EvoBelief يعلّم وكلاء LLM اختبار الفرضيات حول العالم: 83.3% مقابل 0% لخط الأساس

الوكيل الذي يجيد التصرف لكنه يسيء فهم طريقة عمل العالم سيظل يخطئ. تقترح ورقة بحثية جديدة على arXiv نظام EvoBelief، حيث تبني LLM مجمّدة نموذجًا للبيئة على شكل فرضيات قابلة للدحض، ثم تراجعه. في ALFWorld ودون actor-side transition memory، يرفع النظام نسبة النجاح مقارنةً بـ Frozen World Model المماثل بمقدار 23.9% مع Claude Haiku 4.5 و31.3% مع GPT-5.4. وفي Reactor Lab من DiscoveryWorld يُنجز الأسلوب 83.3% من مهام مستوى Normal و58.3% من مهام مستوى Challenge، في حين حصل كل واحد من خطوط الأساس التي جرى اختبارها على 0%.

معظم الوكلاء ذاتيّي التطور يحسّنون الإجراءات: يراكمون الخبرة، ويمارسون التأمل الذاتي، ويجمعون مكتبات من المهارات. أما مؤلفو EvoBelief فيختارون محورًا آخر للتحسين الذاتي، هو المعتقدات حول ديناميكيات البيئة. فإذا كان الوكيل يعتقد أن الباب يُفتح بمفتاح، بينما تغيّرت القاعدة في البيئة، فلن تنقذه أي مهارات. والأسوأ أن المعتقد الخاطئ الذي كان مفيدًا في مهمة واحدة ينتقل إلى مهام أخرى ويفسدها.

كيف تعمل الآلية

تُخزَّن المعرفة بالبيئة هنا في صورة مجموعة من الفرضيات ذات نطاق تطبيق محدود. تنشأ الفرضية في حالتين: عندما تكون نتيجة الفعل غير متوقعة، أو عندما يصطدم الوكيل بمجهول يتوقف عليه القرار.

بعد ذلك يأتي انضباط التحقق. لا تدخل القاعدة في التنبؤات والخطط ما لم يُؤكَّدها دليل مستقل، سواء بملاحظات لاحقة أو بتجارب مضبوطة. ويجب ألا يأتي التأكيد من الحلقة نفسها التي ولّدت الفرضية. وإذا ظهر مثال مضاد، تُضيَّق القاعدة أو تُسحب من الاستخدام. وهكذا يتفاعل الوكيل مع تغيّر البيئة بدلًا من التمسك بصورة قديمة.

لا تُمَسّ أوزان نموذج اللغة. المتغير الوحيد هو قاعدة القواعد الخارجية، وتحتفظ كل مدخلة فيها بصلة مع الأدلة ومع القرارات التي غيّرتها. وهذا يعني للمهندسين أنه يمكن فتح القاعدة ومعرفة سبب تصرف الوكيل على نحو معين دون غيره.

النتائج على أربعة اختبارات معيارية

أُجريت الاختبارات على أربع مجموعات من المهام: ديناميكيات ثابتة، وانجراف خفي، واكتشاف علمي. وتورد الورقة البيانات التالية:

• ALFWorld دون actor-side transition memory: +23.9% في نسبة النجاح مقارنةً بـ Frozen World Model مع Claude Haiku 4.5.
• ALFWorld، الإعداد نفسه مع GPT-5.4: +31.3%.
• MiniGrid: يراجع الوكيل القواعد القديمة ويتعافى بعد تغيّرات غير معلنة في الديناميكيات.
• DiscoveryWorld، Reactor Lab، مستوى Normal: 83.3% من الحالات المنجزة.
• DiscoveryWorld، Reactor Lab، مستوى Challenge: 58.3%.
• جميع خطوط الأساس المقيَّمة في Reactor Lab: 0% على المستويين.

نلاحظ أن النسبتين 83.3 و58.3 تشبهان 10 من 12 و7 من 12، أي أن حجم العينة لكل مستوى ربما يكون صغيرًا. الفجوة مع الصفر لافتة، لكن الثبات الإحصائي ينبغي التحقق منه على مجموعات أكبر. كذلك ترتبط المقارنة في ALFWorld بتهيئة محددة دون ذاكرة انتقالات من جانب الفاعل، وقد يختلف الارتفاع في إعدادات أخرى.

ويكتسب Reactor Lab أهمية خاصة: فالوكيل لا يكتفي بالتذكر، بل يكتشف قوانين كمية ويؤكدها. وبالنسبة لمهام البحث العلمي، هذا أقرب إلى العمل الحقيقي من التنقل بين الغرف.

ما الذي يمكن الاستفادة منه عمليًا

إذا كنت تبني وكلاء لبيئات طويلة العمر (أدوات داخلية، وواجهات API تتغير دون إنذار، ومحاكاة، وأتمتة مخبرية)، فالفكرة قابلة للتطبيق حتى دون هذا التنفيذ المحدد. احفظ افتراضات البيئة بمعزل عن المهارات والـ prompts. أسند إلى كل قاعدة نطاق تطبيق وإحالة إلى الأدلة. لا تسمح للقاعدة بدخول التخطيط قبل التحقق المستقل، وعند ظهور أمثلة مضادة ضيّقها أو احذفها.

الفائدة العملية الثانية هي تحديث المعرفة دون إعادة تدريب. قد يتغير مزوّد النموذج بينما تبقى قاعدة القواعد المتراكمة، ويمكن تدقيقها. والقيد واضح أيضًا: فالتجارب المضبوطة تتطلب أن تتيح البيئة تجريب الأفعال بأمان. وفي بيئة الإنتاج، حيث يكلّف الخطأ مالًا، ستلزم بيئات معزولة (sandbox) أو قيود على الفرضيات المسموح باختبارها اختبارًا نشطًا.