Tsinghua تقدّم SRHarness وMechBench: وكلاء ذكاء اصطناعي يبحثون عن الصيغ والآليات

تستهدف ورقتان من مختبر واحد في Tsinghua نقطة الضعف الرئيسية لدى الوكلاء العلميين القائمين على الذكاء الاصطناعي: فهم يولّدون فرضيات معقولة الشكل، لكنهم يعجزون في الغالب عن إثبات أن الصيغة تنبع فعلًا من البيانات. وبحسب Jiqizhixin، قدّم مختبر علوم البيانات والذكاء في كلية الهندسة الإلكترونية بجامعة Tsinghua إطار عمل وقت التشغيل (runtime) SRHarness للانحدار الرمزي الوكيلي، ومعيار MechBench لتقييم القدرة على اكتشاف آليات الظواهر.

ما الذي اقترحه الباحثون تحديدًا

تعالج مهمة الانحدار الرمزي مشكلة تبدو بسيطة: استعادة تعبير تحليلي من جدول ملاحظات، بدل ملاءمة «صندوق أسود» للبيانات. ويمكن قراءة هذا التعبير والتحقق من أبعاده الفيزيائية وإدخاله في الحساب التالي. وتقوم الطرق الكلاسيكية على البرمجة الجينية والبحث الشامل. أما النهج الوكيلي فيستبدل بالبحث الشامل حلقة تعمل فيها النموذج اللغوي على اقتراح الشكل، وتشغيل الشيفرة، ومراقبة الخطأ، ثم تعديل الفرضية.

وبحسب الوصف، يعمل SRHarness على مستوى التنفيذ، أي حول الوكيل نفسه. فهو يحدد كيف يتعامل الوكيل مع البيانات، وكيف يتحقق من الصيغ المرشحة، وكيف يتخذ قراراته. والهدف معلن بوضوح: جعل اكتشاف الصيغ أكثر موثوقية. وهذه مشكلة يعرفها كل من شغّل وكلاء على مهام طويلة: فمن دون طبقة تحكم صارمة تحيط بالوكيل، يفرط في التكيّف مع الضجيج، وينسى المحاولات السابقة، ويخرج بمعادلة جميلة تنهار خارج عينة التدريب.

ويعالج MechBench مهمة مجاورة. فالعثور على صيغة تصف البيانات جيدًا يختلف عن فهم سبب سلوك النظام على هذا النحو. ويختبر معيار الآليات الأمر الثاني: هل يستطيع الوكيل الانتقال من المنحنى إلى البنية السببية للعملية.

لماذا المهمة أصعب مما تبدو

يواجه الانحدار الرمزي فخّين كلاسيكيين. الأول تعدد الحلول: عشرات التعابير ذات البنى المختلفة تعطي خطأً متقاربًا تقريبًا على النقاط المتاحة. والثاني الضجيج ومحدودية الملاحظات، خصوصًا في الفيزياء والكيمياء والأحياء، حيث التجارب مكلفة. ويضيف الوكيل القائم على LLM فخًا ثالثًا: فهو يميل إلى اختيار صيغة تشبه صيغة مألوفة من بيانات التدريب، حتى حين تكون العلاقة الحقيقية مختلفة.

وتبرز أهمية معيار منفصل للآليات للسبب نفسه. فمقاييس مثل خطأ التقريب تقيس الملاءمة جيدًا، لكنها تقيس الفهم بصورة ضعيفة. وإذا لم يشترط التقييم استعادة الآلية، فقد يتفوق الوكيل بمجرد حفظ القوانين الشائعة.

ما المعروف حتى الآن

لا تتضمن الفقرة المتاحة من الإعلان نتائج مقارنة، ولا أسماء النماذج، ولا أحجام مجموعات المهام. والمعروف هو الآتي:

• الجهة المؤلفة: مختبر علوم البيانات والذكاء، كلية الهندسة الإلكترونية، جامعة Tsinghua.
• SRHarness: إطار عمل وقت التشغيل (runtime) للانحدار الرمزي الوكيلي، وهدفه استنتاج موثوق للصيغ من بيانات الرصد.
• MechBench: معيار اختبار لتقييم الآلية، وليس الصيغة وحدها.
• المجال: AI for Science (AI4S)، والوكلاء العلميون القائمون على الذكاء الاصطناعي.
• النشر: خبر Jiqizhixin بتاريخ 14 أكتوبر 2026، ويشير النص إلى ورقتين منفصلتين دون روابط.
• لا يورد المصدر مقاييس كمية ولا عدد المهام ولا الطرق الأساسية المستخدمة للمقارنة.

كيف تُقرأ مثل هذه الإصدارات

إلى أن تتوفر النصوص الكاملة، من المنطقي أن نضع في الحسبان عدة أسئلة. ما الطرق الأساسية التي اختيرت للمقارنة: طرق كلاسيكية مثل الخوارزميات الجينية، أم تصاميم وكيلية أخرى على نماذج LLM نفسها؟ وهل يفصل المعيار بين حفظ القوانين المعروفة والاكتشاف الحقيقي، مثلًا عبر أنظمة اصطناعية أو معدّلة؟ وما الميزانية الحسابية التي يستهلكها الوكيل لكل مهمة، وكيف تتحسن الجودة مع زيادة عدد التكرارات؟

أما الفرق التي تبني وكلاءها العلميين الخاصين، فالخلاصة العملية لها مختلفة. فالموثوقية لا يحددها النموذج وحده، بل أيضًا الطبقة المحيطة به: تسجيل الفرضيات، والتحقق على بيانات محجوزة، وفرض قيود على تعقيد التعابير. وإذا صدر SRHarness وMechBench بشيفرة وبيانات مفتوحة، فسيمكن استخدامهما كساحة اختبار لمثل هذه الحلول. وينبغي متابعة النسخة الأولية من الورقة (preprint) والمستودع البرمجي: ففيهما ستظهر الأرقام التي يمكن من خلالها الحكم على مدى تأكيد الموثوقية المعلنة.