إطار OfficeTown يحاكي 23 مؤسسة ويدرب الوكلاء على العمل المكتبي عبر 406 مهام

قدم فريق من الباحثين إطار العمل OfficeTown، وهو محاكاة توليدية للمؤسسات المهنية تنتج في آنٍ واحد المهام الموجهة للوكلاء الذكيين والسياق المحيط بها. وانطلاقاً من 23 مؤسسة تمت محاكاتها عبر 8 مجالات مهنية، جرى تجميع معيار التقييم OfficeTown Bench، الذي يحتوي على 406 مهام و4,836 معيار تقييم، مع مراعاة مراجعات الخبراء المتخصصين. وبعد تدريب النموذج الصغير Qwen3.5-9B على هذه البيانات، أظهر قفزة ملحوظة في أدائه على الاختبارات الخارجية، بما فيها معيار GDPval.

محاكاة المؤسسات بدلاً من مجموعات المطالبات الثابتة

تعتمد معظم المعايير المخصصة لاختبار الوكلاء الهيكلية نفسها: مهمة معزولة، وملفات محددة، والتحقق من النتيجة النهائية. غير أن واقع العمل المكتبي الفعلي يختلف جذرياً؛ فالتقرير يعتمد بطبيعته على قرارات اتُّخذت قبل ثلاثة أسابيع، أو رسالة من الشؤون القانونية، أو تعديلات المدير على مسودة سابقة. ويسعى OfficeTown إلى إعادة بناء هذه البيئة التراكمية على وجه التحديد.

يتلقى الإطار وصفاً للمؤسسة باللغة الطبيعية يوضح طبيعة نشاطها والعمليات المتبعة بداخلها، لينشئ بعد ذلك فريق العمل الافتراضي. ينسق الموظفون المهام فيما بينهم، ويفوضون واجبات محددة للوكلاء المساعدين، ثم يراجعون النتائج. كما تُحفظ المخرجات والقرارات والمسائل العالقة لتؤثر مباشرة في المهام اللاحقة. وتحدد الأدوار والصلاحيات ما يراه كل مشارك وما يُسمح له بفعله، ما يجبر الوكيل على العمل في ظل قيود وصول حقيقية بدلاً من منحه حق الاطلاع الكامل على البيانات.

تُجمع هذه المهام مع سياقاتها ومراجعاتها لاحقاً وتتحول إلى موارد قابلة للتنفيذ بهدف التقييم والتدريب؛ فالمهام هنا ليست سوى نتيجة طبيعية لمسار المحاكاة وليست حصيلة تصنيف يدوي للبيانات.

ما الذي يحتويه معيار التقييم؟

جاء معيار OfficeTown Bench مقتضباً من حيث الحجم لكنه مكثف بالمعايير:

• 406 مهام؛
• 4,836 معيار تقييم (ما يقارب 12 معياراً لكل مهمة بحسب تقديراتنا)؛
• 23 مؤسسة تمت محاكاتها (بمتوسط 18 مهمة تقريباً لكل مؤسسة)؛
• ثمانية مجالات مهنية؛
• تضمين آراء وملاحظات الخبراء المتخصصين أثناء مرحلة الإعداد.

أظهر تقييم نماذج الصدارة (Frontier models) أن هامش التطوير لا يزال كبيراً؛ ونظراً لعدم إيراد درجات محددة في الملخص التقديمي، فإن الحكم على مدى ابتعاد النماذج الرائدة عن الحد الأقصى يقتصر فقط على توصيف المؤلفين. وتُعد هذه السمة عادةً مؤشراً إيجابياً لمعايير القياس، إذ تؤكد أنها لم تصل إلى مرحلة التشبع منذ اليوم الأول لإطلاقها.

كفاءة البيانات كمواد تدريبية

ترتبط النتيجة الأكثر فائدة من الناحية العملية بمجال التدريب؛ فقد طبق المؤلفون الضبط الدقيق الخاضع للإشراف (SFT) والتقطير وفق السياسة (On-policy distillation) بالاعتماد على بيانات OfficeTown على نموذج Qwen3.5-9B. وأظهر النموذج ذو التسعة مليارات معامل تحسناً ملحوظاً في المعايير الخارجية المخصصة للأعمال المهنية، وفي مقدمتها GDPval. يعني ذلك أن المحاكاة تولد مادة قابلة للنقل والاستفادة منها خارج إطار مجموعة الاختبار الخاصة بها، وهو ما يدحض المخاوف من احتمالية اقتصار النموذج على حفظ أسلوب بيئة تركيبية معينة دون تعميم المعرفة.

وفضلاً عن ذلك، خضعت بنية التنفيذ لاختبار مستقل؛ إذ حققت هيكلية «الوكيل الرئيسي والمساعدين» (Principal–assistant)—حيث يفوض الوكيل الأساسي مهاماً محددة للمساعدين ويعتمد نتائجها—درجات أعلى مقارنة بخطوط الأساس المعتمدة على وكيل أحادي أو أنظمة متعددة الوكلاء طُبقت في المقارنة. وتجدر الإشارة هنا إلى أن المقارنة انحصرت في خطوط الأساس المختبرة ولم تشمل كافة الأنماط الممكنة للأنظمة متعددة الوكلاء، غير أن التسلسل الهرمي المصحوب بآليات المراجعة يظل خياراً أولياً منطقياً للمهام المكتبية.

دروس مستفادة للتطبيق العملي

ينبغي للفرق التي تطور وكلاء لإدارة المستندات أو إعداد التقارير أو التحليلات الاستفادة من ثلاثة جوانب رئيسية: أولاً، اختبار الوكيل عبر سلاسل من المهام المترابطة ذات السياق التراكمي بدلاً من الاعتماد على مطالبات معزولة. ثانياً، إدراج صلاحيات الوصول ضمن التقييم، فالوكيل يسلك سلوكاً مختلفاً تماماً إذا رأى ما لا ينبغي له أو حُجب عنه ما يحتاجه. ثالثاً، النظر إلى المؤسسات التركيبية كمصدر واعد للضبط الدقيق للنماذج الصغيرة، خصوصاً عندما تكون تكلفة تشغيل نماذج الصدارة باهظة لكل عملية.

في المقابل، لا تخلو التجربة من قيود واضحة؛ فالمؤسسات ناتجة عن محاكاة ولم تُؤخذ من شركات قائمة بالفعل، كما أن جودة المخرجات ترتبط مباشرة بأداء النموذج التوليدي. وإضافة إلى ذلك، يخلو الوصف المتاح علناً من نسب الزيادة الرقمية، ما يجعل من المبكر حسم حجم هذا الأثر الفعلي قبل مراجعة الورقة البحثية الكاملة وشيفرتها المصدرية.