Skill∞: وكيل يحسّن مهاراته ومهارته الفوقية بنفسه، و60.7% على SkillsBench

اقترح فريق من الجامعة الوطنية في سنغافورة طريقة لإغلاق حلقة التحسين الذاتي في المستوى الأسهل تطبيقًا عمليًا، أي مستوى مهارات الوكلاء اللغويين. يعتمد نظام Skill∞ على وكيل فوقي يتبع مهارة فوقية لتحسين المهارات الخاصة بمهام محددة، ثم يطبّق الإجراء نفسه على المهارة الفوقية ذاتها. على 83 مهمة من اختبار SkillsBench بلغت نسبة النجاح 60.7%. أما المهارات التي أعدّها البشر فتحقق 56.4%، وأقرب منافس آلي وهو SkillEvolver يحقق 54.5%. وبذلك يبلغ الفارق مع البشر 4.3 نقطة مئوية، ومع SkillEvolver 6.2.

لماذا تصلح المهارات للتعاود

يُعدّ التحسين الذاتي التعاودي (RSI)، أي أن يحسّن النظام نفسه وطريقة تحسينه معًا، منذ زمن أحد المسارات المحتملة نحو AGI. يقترب المؤلفون من الموضوع من زاوية عملية. فالوكلاء اللغويون يخزّنون المعرفة الإجرائية بصورة متزايدة في مهارات قابلة لإعادة الاستخدام، وهي حزم تعليمات يحمّلها الوكيل بحسب المهمة. وإذا صيغ إجراء التحسين نفسه على هيئة مهارة، أمكن تحسينه بالأدوات ذاتها التي تُحسَّن بها أي مهارة أخرى.

لا تعمل أدوات تحسين المهارات الحالية بهذه الطريقة. فهي تتبع إجراءً ابتكره الإنسان. وحتى الطرق التي تطوّر مهارة فوقية تحبسها في خط معالجة ثابت وتعيد تدريبها من جديد لكل مهمة. يزيل Skill∞ هذين القيدين: فالمهارة الفوقية غير مرتبطة بخط معالجة محدد، ولا يُعاد تدريبها من الصفر.

ماذا يفعل الوكيل الفوقي

يتولى الوكيل نفسه عملية التحسين في Skill∞، وليس سكربت خارجي. تصف المهارة الفوقية أربعة إجراءات، ويمكن للتحسين الذاتي أن يعيد كتابة كل واحد منها:

• تشخيص سجلات تتبّع التنفيذ: يحلّل الوكيل مواضع إخفاق المهارة في المهام وأسبابه؛
• توليد المرشحين: بناءً على التشخيص يقترح الوكيل نسخًا جديدة من المهارة؛
• المراجعات المستقلة: يطلب الوكيل تقييم المرشحين من مراجعين منفصلين؛
• توزيع ميزانية البحث: يقرر الوكيل بنفسه أين يوجّه الموارد المحدودة.

ومن الخصائص الأخرى فصل المستويين. فالمهارة الفوقية مستقلة عن مهارات المهام. وتُحسَّن على عدة مهام لتحسين المهارات، ثم يُعاد استخدامها في مجالات مختلفة دون إعادة تدريب. وتبقى المهارات في المستويين حزمًا قياسية، وتُحمَّل عبر آلية اكتشاف المهارات المعتادة، كما في النشر الفعلي. ولا يحتاج التطبيق إلى بنية تحتية منفصلة.

أرقام SkillsBench

أُجريت المقارنة على 83 مهمة من SkillsBench بحسب نسبة المهام المنجزة:

• Skill∞ — 60.7%؛
• المهارات التي أعدّها البشر — 56.4%؛
• SkillEvolver — 54.5%.

الاستنتاج الرئيسي هنا لا يتعلق بالقيمة المطلقة. فالمهارات المحسَّنة آليًا تفوقت على المهارات المكتوبة يدويًا، والإجراء الذي حسّنها كان بدوره ناتجًا عن عملية تحسين. المؤلفون هم Wangcheng Tao وZhanglu Yan وHan Wu وWeng-Fai Wong. نُشرت النسخة الأولية تحت الرقم arXiv 2610.35434، وأُدرجت في القائمة اليومية لـ Hugging Face Papers.

ما الذي يمكن أن تأخذه الفرق التي تبني الوكلاء

إذا كانت لديك في المنظومة مهارات في حزم قياسية، فهناك فكرتان من هذا العمل تستحقان الاهتمام. الأولى: يمكن وصف إجراء تحسين المهارات على أنه مهارة أيضًا، بدلًا من تضمينه في شيفرة خط المعالجة. عندها يُعدَّل بالأدوات نفسها وعلى سجلات التتبّع نفسها. الثانية: من الأفضل ترك المراجعة المستقلة للمرشحين وإدارة ميزانية البحث للوكيل نفسه، لأنهما خطوتان يمكن للمهارة الفوقية أن تعيد تصميمهما بما يناسب المهمة.

حتى الآن هذه نتيجة على اختبار واحد من 83 مهمة، ولا يزال انتقالها إلى أحمال العمل الواقعية بحاجة إلى تحقق. لكن الاتجاه واضح: فمكتبات المهارات لم تعد مجلدات ثابتة من التعليمات، وصارت ترتقي بنفسها إلى مستوى كان يتطلب سابقًا ضبطًا يدويًا. فالمحسّنات الآلية تتفوق اليوم على التوصيف البشري، وقد أضاف التحسين الذاتي المدمج في الإجراء بضع نقاط مئوية أخرى.