ReGE يعلّم الوكلاء من محاولاتهم السابقة: +9.9 نقطة مئوية دون إعادة تدريب

عادةً ما تحل الوكلاء المبنية على نماذج الذكاء الاصطناعي المهمة من جديد في كل مرة، وكأن المحاولات السابقة لم تحدث. يقترح باحثون من TIGER-Lab (جيارونغ ليانغ ويوبو وانغ وزيجي ليو ويوشيوان تشانغ وبينغ ني ووينهو تشين) معالجة ذلك عبر إطار ReGE (Re-execution Guided by Experience). يحوّل الإطار سجلات المحاولات السابقة إلى خطة لمحاولة جديدة، دون تحديث الأوزان ودون الحاجة إلى نموذج أقوى. على أربعة اختبارات معيارية، ارتفعت الدقة بمتوسط 9.9 نقطة مئوية لدى GPT و8.8 نقطة مئوية لدى Claude. وساوت GPT-5.6 Luna مع ReGE في الجودة نموذج GPT-5.6 Sol الأعلى تكلفة.

مدرّب لا يعرف الإجابة الصحيحة

يحمل التنفيذ الأساسي اسم ReGE-Syn. في البداية يحاول النموذج حل المهمة عدة مرات. بعد ذلك يتسلّم النموذج نفسه، في دور «المدرّب»، سجلات تنفيذ محدودة الحجم مع المخرجات النهائية لهذه المحاولات. ولا تتوفر لديه أي معلومة عن المحاولة الصحيحة. وفي استدعاء واحد يكتب المدرّب دليلًا متكاملًا بذاته، يربط بين الحقائق المكتشفة حول المهمة والإجراءات المقترحة والمطبّات التي وقعت فيها المحاولات السابقة.

ثم يبدأ «المتعلّم»، وهو نسخة جديدة تنطلق من الحالة الأولية للبيئة. يمكنه تنفيذ الخطة أو تعديلها أو تجاوزها إذا ناقضتها الملاحظات الفعلية. وتجري عملية توليد المحاولات والتوليف والتنفيذ على نموذج أساسي واحد، ولا يتضمن المخطط أي تدريب ولا معلّمًا قويًا.

الفرق بين هذه المحاولات والاختيار المعتاد لأفضل إجابة جوهري هنا. فالمحاولات الفاشلة مفيدة أيضًا، إذ تُظهر أي الأزرار لا تعمل، وأي الاستعلامات تعيد نتائج فارغة، وأين أهدر النموذج خطوات بلا طائل.

الجانب الاقتصادي: 28% من السعر وتوكنات أقل بنسبة 95–98%

أوضح النتائج تتعلق بالتكلفة. على عيّنة فرعية من 468 مهمة، حققت GPT-5.6 Luna مع ReGE نسبة 67.4%، فيما حققت GPT-5.6 Sol الأعلى فئةً دون تلميح نسبة 67.0%. وبلغت تكلفة Luna في الوقت نفسه 28% من سعر Sol. أي أن جزءًا من الفجوة بين النموذج «الأصغر» و«الأكبر» يمكن سدّه ليس بشراء نموذج أغلى، بل بإعادة استخدام سجلات النموذج نفسه.

وقارن المؤلفون كذلك بين ReGE-Syn والمجمّع الوكيلي AggAgent على استعلامات متطابقة من BrowseComp-Plus. وجاء بناء التلميح أرخص بنسبة 98.2% من حيث التوكنات لدى GPT، وبنسبة 95.5% لدى Claude. أما إجمالي توكنات البناء والتنفيذ (الإدخال زائد الإخراج، دون توليد المحاولات الأولية) فانخفض بنسبة 15.7% و35.4% على التوالي. أي أن التوفير في جمع الخبرة لا يضيع بسبب اشتغال المتعلّم لاحقًا مدة أطول.

وتُظهر تجارب الاستئصال (ablations) على BrowseComp-Plus تأثيرين. الأول أن توفر معلومات عن مسار التنفيذ، لا عن الإجابات النهائية فقط، يرتبط بعدد خطوات أقل لدى المتعلّم. والثاني أن التوليف المشترك يعطي دليلًا أقصر بوضوح مما يعطيه تمرير التاريخ الخام (Direct history) أو مجموعة ملخصات مستقلة (Independent summaries).

ما الذي شمله التجريب

• الاختبارات المعيارية: Terminal-Bench 2.0 (العمل في الطرفية)، وSpider2-Lite (تحويل النص إلى SQL)، وAndroidWorld (التحكم في Android)، وBrowseComp-Plus (البحث والتصفح). • النماذج: GPT-5.6 Luna وGPT-5.6 Sol (كنقطة مقارنة في السعر والجودة) وClaude Sonnet 5. • متوسط الارتفاع في الدقة: +9.9 نقطة مئوية لدى GPT و+8.8 نقطة مئوية لدى Claude مقارنةً بالتشغيل دون تلميح. • العيّنة الفرعية من 468 مهمة: GPT-5.6 Luna مع ReGE — 67.4%، وGPT-5.6 Sol — 67.0% بـ 28% من التكلفة. • بناء التلميح مقابل AggAgent المكيَّف: −98.2% من التوكنات لدى GPT، و−95.5% لدى Claude. • إجمالي توكنات البناء والتنفيذ: −15.7% و−35.4%. • الإعداد: استدعاء واحد للمدرّب، دون وسوم صحة، ودون تحديث للمعاملات، ودون معلّم أقوى.

بالنسبة للمهندسين الذين يبنون أنظمة وكيلية، الخلاصة عملية. إذا كانت لديكم أصلًا عمليات تشغيل متوازية، مثل سرب من الوكلاء، فلا داعي لإهمال سجلاتها، إذ يمكن تكثيفها في تعليمة واحدة قصيرة. ولا يتطلب ذلك بنية تحتية إضافية، فيكفي استدعاء واحد للنموذج نفسه ومخزن للسجلات. وأعلى كلفة هنا هي المحاولات الأولية نفسها، ولا تدخل تكلفتها في مقارنة التوكنات الواردة في الورقة. لذلك يناسب هذا النهج أكثر المهام التي تُشغَّل عدة مرات على أي حال أو في عدة نسخ. وهو كذلك خيار معقول للمهام التي يفوق ثمن الخطأ فيها تكلفة إعادة التشغيل.

وللطريقة حدّ في قابلية التطبيق: يبدأ المتعلّم من الحالة الأولية للبيئة، أي يجب أن تكون المهمة قابلة لإعادة التنفيذ. أما في الإجراءات غير القابلة للتراجع داخل الأنظمة الفعلية، فسيتعيّن استكمال هذا المخطط ببيئة معزولة (sandbox). شيفرة المشروع منشورة على GitHub، وصفحة المشروع مستضافة لدى TIGER-Lab.