DynaFlow يعلّم الوكيل الرئيسي كتابة workflow ويتفوق على أقوى نظام أساسي بـ10,9 نقطة مئوية

نشر باحثون من National University of Singapore (Ruhao Liu وQi Li وShizun Wang وXinchao Wang) إطار DynaFlow للتنسيق بين الوكلاء المتعددين. يقرر الوكيل الرئيسي في هذا الإطار بنفسه متى يحتاج إلى مساعدة، ويكتب لذلك برنامجاً قصيراً قابلاً للتنفيذ. وعلى ستة اختبارات معيارية، حقق DynaFlow دقة إجمالية بلغت 88,08% في وضع Forced. وهذا أعلى بـ10,90 نقطة مئوية من أقوى الأنظمة الأساسية التي جرى اختبارها، علماً أن جميعها قورنت على الأساس نفسه: Qwen3.5-27B.

التنسيق كفعل لا كمخطط

تتسم معظم أنظمة الوكلاء المتعددين بالجمود. فهناك بنية محددة مسبقاً: مخطِّط ومنفِّذ وناقد، وترتيب ثابت لتمرير الرسائل. وحين تكون المهمة خارج القالب، يصبح هذا المخطط سقفاً يحدّ من الأداء.

في DynaFlow، يدخل تركيب workflow ضمن فضاء أفعال الوكيل الرئيسي، إلى جانب بقية خطوات الاستدلال. ويقرر الوكيل بنفسه ما إذا كان التعاون مطلوباً أصلاً. فإذا كان مطلوباً، ولّد برنامجاً مخصصاً للمهمة. ويمكن لهذا البرنامج تشغيل الوكلاء الفرعيين بالتتابع أو بالتوازي، وتبادل المعلومات المنظّمة بينهم، والتحقق من النتائج الوسيطة.

وجوهر الفكرة في حلقة التغذية الراجعة. فنتائج التنفيذ ومساراته تعود إلى الوكيل الرئيسي وتؤثر في خطواته التالية. وهكذا تُعاد صياغة بنية التعاون أثناء الاستدلال، ولا تُثبَّت عند البداية.

ندرّب قائد الأوركسترا ولا نمس العازفين

فصل المؤلفون عمداً بين تدريب التنسيق وتحسين المنفِّذين. فلا يُدرَّب إلا الوكيل الرئيسي، بينما تبقى جميع الوكلاء الفرعيين دون تغيير. لذلك لا يمكن تفسير المكسب بأن النماذج العاملة أصبحت أقوى.

تجري العملية على مرحلتين:

• Supervised fine-tuning على مسارات مستخلصة بالتقطير: يتعلم الوكيل الرئيسي من أمثلة جاهزة كيف يبني workflow.
• تدريب إضافي على أمثلة مصفّاة: تُزال من العينة المسارات التي تحمل ثلاثة أنواع من العيوب.

والمرشّحات هي:

• المقدمات غير المسنودة (unsupported premises): يستند الاستنتاج إلى ما ليس موجوداً في البيانات الأصلية؛
• التحقق المنحاز (biased verification): يؤكد التحقق النتيجة بدل أن يقيّمها؛
• عيوب تدفق المعلومات (information-flow defects): يضيع ناتج مرحلة ما ولا يصل إلى المرحلة التالية.

ولعل البند الثالث أكثرها إثارة للاهتمام. فالمؤلفون يرون أن جودة نظام الوكلاء المتعددين لا يحددها عدد الوكلاء ولا أناقة الرسم البياني، بل وصول ناتج كل خطوة إلى الخطوة التي تليها.

ماذا أظهرت القياسات

جرى التقييم على ستة اختبارات معيارية تغطي الاستدلال الرياضي والأسئلة والأجوبة العلمية والبحث متعدد الخطوات (multi-hop)، أي المهام التي تُجمَّع إجابتها من عدة خطوات أو مصادر.

أبرز المعطيات:

• الأساس: Qwen3.5-27B، وهو نفسه لـDynaFlow والأنظمة الأساسية.
• الدقة الإجمالية: 88,08% في وضع Forced.
• الفارق: +10,90 نقطة مئوية عن أقوى الأنظمة الأساسية التي جرى اختبارها.
• الجزء المُدرَّب: الوكيل الرئيسي فقط، أما الوكلاء الفرعيون فمثبَّتون.
• المنهج: SFT على مسارات مستخلصة بالتقطير، يليه تصفية وفق ثلاثة أنواع من العيوب.

وأظهر تحليل workflow المولَّدة بعد التدريب أن الوكيل صار يستخدم مخرجات المراحل السابقة بشكل صريح أكثر، ويتحقق منها ويحسّنها. أما قبل التدريب فكانت هذه الروابط بين الخطوات أقل تكراراً. ويعدّ المؤلفون هذا التمرير للمعلومات بين المراحل أحد أهم أبعاد جودة التنسيق.

ما الذي يمكن الاستفادة منه عملياً

يبدو العمل أقرب إلى وصفة منه إلى منتج مغلق. فالشيفرة منشورة على GitHub (amiya-special/Dynaflow)، وهناك صفحة للمشروع وورقة على arXiv برقم 2610.34467. وعند النشر كان المستودع حديثاً جداً (نحو ثلاث نجوم)، ولا ترتبط بصفحة الورقة على Hugging Face أي نماذج أو مجموعات بيانات أو Spaces. وسيتعين على من يريد إعادة إنتاج النتيجة أن يفعل ذلك بنفسه.

وأما الخلاصات العملية للفرق التي تبني أنظمة الوكلاء، فهي كالتالي. أولاً، تستحق تجربة التنسيق بوصفه مهارة قابلة للتدريب. فنموذج متوسط الحجم بـ27 مليار معامل يتعلم بناء workflow خاصة به، ولا يحتاج ذلك إلى دورة إعادة تدريب كاملة ومكلفة لجميع المشاركين. ثانياً، عند تجميع مسارات التدريب يفيد تصفية البيانات بحسب السلوك: فيُفحص هل يصادق المتحقِّق على كل شيء، وهل تضيع النتائج الوسيطة. ثالثاً، عند تقييم أنظمة الوكلاء المتعددين لا ينبغي الاكتفاء بالدقة النهائية، بل يجدر النظر أيضاً في المسارات، ولا سيما في كيفية استخدام مخرجات الخطوات السابقة.

والقيود واضحة أيضاً. فقد جرى الحصول على النتائج في الرياضيات والأسئلة العلمية والبحث متعدد الخطوات (multi-hop). أما كيف سيتصرف DynaFlow في جلسات البرمجة الطويلة أو عند العمل مع أدوات خارجية، فغير معروف حتى الآن. لكن الفكرة نفسها، أي أن يكتب الوكيل برنامج تنسيقه بنفسه ويتعلم فعل ذلك بدقة، تبدو بالفعل عملية وقابلة لإعادة الإنتاج.