Google تفتح مصدر Harness²: وكيل يعدّل بنفسه موجّهاته ونصوصه البرمجية، بزيادة تصل إلى 11.8 نقطة مئوية في معايير LAB
فتحت Google Research مصدر Harness²: وكيل يعيد كتابة «الغلاف» المحيط بالنموذج، أي الموجّهات والأدوات والنصوص البرمجية، دون المساس بالأوزان. الفكرة أشبه بمتدرّب يصحّح تعليماته بنفسه بعد أخطائه: يشغّل الوكيل المهمة بتعديلات مختلفة ويُبقي ما يفيد منها. وفي اختبار LAB القانوني ارتفعت نسبة المعايير المُجتازة بحدّ أقصى بلغ 11.8 نقطة مئوية (مثلاً من 50% إلى 61.8%). وبالنسبة إلى الفرق التي تعتمد على نماذج عبر API، فهذا طريق لتحسين الوكلاء دون إعادة تدريب، لكن الأرقام حتى الآن صادرة عن Google وحدها.
معالج بواسطة الذكاء الاصطناعي من KDnuggets؛ بتحرير Hamidun News
تخيّل وكيلاً يعالج ملفات محاسبية، وفي نصه البرمجي المساعد خطأ خفيّ: يتخطى المبالغ السالبة. عادةً يكتشف مهندس هذا الخلل: ينظر إلى المجموع الخاطئ، ثم يعدّل النص البرمجي أو الموجّه ويشغّل من جديد. وقد أصدرت Google Research بشكل مفتوح المصدر إطار Harness² الذي ينفّذ هذه الدورة آلياً. هو لا يعيد كتابة النموذج نفسه، بل كل ما يحيط به: التعليمات والأدوات والذاكرة والنصوص البرمجية. وقاست Google النتيجة بـ«النقاط المئوية» (ن.م.): إذا كان الوكيل يجتاز 50% من معايير التقييم ثم صار يجتاز 61.8%، فهذه زيادة قدرها 11.8 نقطة مئوية. وهذا بالضبط الحد الأقصى الذي تحقق في اختبار LAB القانوني.
ما «الغلاف» وماذا يعدّل فيه Harness²؟
النموذج اللغوي وحده ليس وكيلاً. ما يحوّله إلى وكيل هو «الغلاف» (harness): تعليمات النظام، وقواعد «مسموح/ممنوع»، والملاحظات طويلة الأمد، ومجموعات المهارات للمهام النمطية، وأوصاف طريقة استخدام الأدوات، والنصوص البرمجية المساعدة، والوكلاء الفرعيون، والإضافات الوسيطة. اليوم تضبط معظم الفرق هذا كله يدوياً. ويعمل هذا النهج في المهام التي توقعتها مسبقاً. لكن حين يواجه الوكيل أمراً غير متوقع، لا يواكب الضبط اليدوي الموقف.
يؤتمت Harness² هذا الضبط مع تجميد أوزان النموذج. لا توجد إعادة تدريب، ولا بيانات تدريب جديدة. لذلك يناسب النهج الفرق التي تتعامل مع النموذج عبر API فقط: فهي لا تحتاج إلى GPU ولا إلى الوصول إلى الأوزان.
حلقتان: كيف يتعلم الوكيل من تشغيلاته
يشير «المربّع» في الاسم إلى مستويين من العودية. تعمل الحلقة الأولى داخل مهمة واحدة وفق مخطط «اقترح — تحقّق — اجمع». يقترح محرّر الغلاف تعديلات: عامة وأخرى خاصة بالمجال. ثم يعيد الوكيل حل المهمة نفسها مع كل صيغة من الغلاف. بعد ذلك يقارن «المؤلِّف» (composer) التشغيلات ويدمج التعديلات التي أفادت. ولا حاجة إلى إجابة مرجعية، إذ يكفي الفرق بين تشغيلين للمهمة نفسها. وفي العمل الفعلي لا أحد يمنح الوكيل مفتاحاً بالإجابات الصحيحة، لذا فهذه خاصية مهمة.
أما الحلقة الثانية فتعمل بين المهام. يدخل الغلاف المقبول و«الدروس» المؤكدة إلى مكتبة خبرة دائمة، فتبدأ المهمة التالية وهي تحمل هذه الملاحظات. الحلقة الأولى تحسّن الوكيل للمهمة الحالية، والثانية تحسّن عملية التحسين نفسها.
يحدّد المعامل k الميزانية. في الوضع المتوازي يقترح النظام k تعديلاً عاماً وk تعديلاً خاصاً ويجرّبها كلها: أي يبحث على نطاق أوسع. وفي الوضع التسلسلي ينفّذ k خطوة متتالية وينقل الغلاف المنقّح إلى الأمام: أي يحفر أعمق. تكلّف كل مهمة 4k تشغيلات للوكيل و3k جلسات للمُحسِّن، أي عند k=3 يكون العدد 12 تشغيلاً و9 جلسات. وفي LAB وحدها 1143 مهمة، لذا لن يكون التشغيل الكامل رخيصاً.
الأرقام والعرض التجريبي
اختبرت Google النموذجين GLM-5 وGemini 3.5 Flash في أربع ثنائيات «نموذج — غلاف» على ثلاثة معايير قياسية. حسّنت خطوة تحسين واحدة نتيجة النموذجين كليهما قياساً بالغلاف الأصلي. أما أقصى زيادة على LAB فبلغت 11.8 نقطة مئوية في نسبة معايير التقييم المُجتازة. هذه أفضل النتائج لا متوسطها، وقد حصلت عليها Google نفسها، لذا ما زال علينا انتظار تحققات مستقلة. أما الجداول الخاصة بكل إعداد فمتاحة في المستودع.
يعمل العرض التجريبي محلياً خلال ثوانٍ ولا يتطلب مفاتيح. المطلوب مدير الحزم uv وPython 3.12. يجمع النص البرمجي الأصلي قيود دفتر الأستاذ المحاسبي لكنه يستبعد السالبة منها. وعلى ملف اختبار من ثلاثة قيود يخرج 105.25. بعد عمل Harness² أُزيل المرشّح، فصار النص يحسب المجموع الصحيح 85.15 (100.25 − 20.10 + 5.00). ولم يخبر أحدٌ النظامَ بالمجموع الصحيح. وبقيت في ملف الخبرة ملاحظة: عند جمع الدائن والمدين يجب مراعاة الإشارتين، بثقة عالية. وقد انتقل هذا السجل إلى المهمة الثانية في العرض.
تُحفظ جميع التغييرات في ملفات عادية: موجّه مُعاد كتابته، ونص برمجي مُصحَّح، وقاعدة جديدة. يمكن قراءتها ومقارنتها بالنسخة الأصلية وقبولها عبر مراجعة الشيفرة. بل يسجّل الإطار سبب قبوله لكل تعديل.
التشغيل الحقيقي أعقد ويكلّف مالاً. يلزم مشروع Google Cloud مع Vertex AI، إضافة إلى Pandoc وPoppler لمستندات LAB. أما ملف .env بالإعدادات فعليك إنشاؤه يدوياً: فهو غير موجود في المستودع وقت النشر. ويُضبط المنفّذ والمُحسِّن والحَكَم بمعرّفات نماذج منفصلة. وينصح كاتب التحليل بالبدء بمهمة واحدة كي لا تتراكم الاستدعاءات المدفوعة.
الخلاصة العملية: إن كان لديك وكيل يعتمد على نموذج طرف آخر وسئمت من الضبط اليدوي للموجّهات، فإن Harness² يمنحك وسيلة قابلة للتكرار لأتمتته. ابدأ بالعرض التجريبي المجاني، ثم قارن الغلاف الأصلي بالمحسَّن على إحدى مهامك، وقدّر ما إذا كانت كلفة التشغيلات مجدية.
- 21 نوفمبر 2026قائدة فريق سباحة تُسند ثلاث مهام مجدولة إلى ChatGPT وتختصر الروتين أضعافًا
- 21 نوفمبر 2026نموذج MIRA العصبي يرسم Rocket League بسرعة 20 إطارًا في الثانية، لكن زمن الاستجابة يصل إلى 460 مللي ثانية
- 21 نوفمبر 2026غوغل تبني نسخة مغلقة من الإنترنت تضم بنوكًا وهمية لتدريب وكلاء الذكاء الاصطناعي في Chrome
- 21 نوفمبر 2026اختبار MLPerf يشهد لأول مرة مشاركة Nvidia Rubin وTPU Ironwood: 153 نظامًا
أسئلة وأجوبة حول الخبر
ما «الغلاف» وماذا يعدّل فيه Harness²؟
النموذج اللغوي وحده ليس وكيلاً. ما يحوّله إلى وكيل هو «الغلاف» (harness): تعليمات النظام، وقواعد «مسموح/ممنوع»، والملاحظات طويلة الأمد، ومجموعات المهارات للمهام النمطية، وأوصاف طريقة استخدام الأدوات، والنصوص البرمجية المساعدة، والوكلاء الفرعيون، والإضافات الوسيطة. اليوم تضبط معظم الفرق هذا كله يدوياً. ويعمل هذا النهج في المهام التي توقعتها مسبقاً. لكن حين يواجه الوكيل أمراً غير متوقع، لا يواكب الضبط اليدوي الموقف. يؤتمت Harness² هذا الضبط مع تجميد أوزان النموذج. لا توجد إعادة تدريب، ولا بيانات تدريب جديدة.
ما أبرز التفاصيل حول حلقتان: كيف يتعلم الوكيل من تشغيلاته؟
يشير «المربّع» في الاسم إلى مستويين من العودية. تعمل الحلقة الأولى داخل مهمة واحدة وفق مخطط «اقترح — تحقّق — اجمع». يقترح محرّر الغلاف تعديلات: عامة وأخرى خاصة بالمجال. ثم يعيد الوكيل حل المهمة نفسها مع كل صيغة من الغلاف. بعد ذلك يقارن «المؤلِّف» (composer) التشغيلات ويدمج التعديلات التي أفادت. ولا حاجة إلى إجابة مرجعية، إذ يكفي الفرق بين تشغيلين للمهمة نفسها. وفي العمل الفعلي لا أحد يمنح الوكيل مفتاحاً بالإجابات الصحيحة، لذا فهذه خاصية مهمة. أما الحلقة الثانية فتعمل بين المهام.
ما أبرز التفاصيل حول الأرقام والعرض التجريبي؟
اختبرت Google النموذجين GLM-5 وGemini 3.5 Flash في أربع ثنائيات «نموذج — غلاف» على ثلاثة معايير قياسية. حسّنت خطوة تحسين واحدة نتيجة النموذجين كليهما قياساً بالغلاف الأصلي. أما أقصى زيادة على LAB فبلغت 11.8 نقطة مئوية في نسبة معايير التقييم المُجتازة. هذه أفضل النتائج لا متوسطها، وقد حصلت عليها Google نفسها، لذا ما زال علينا انتظار تحققات مستقلة. أما الجداول الخاصة بكل إعداد فمتاحة في المستودع. يعمل العرض التجريبي محلياً خلال ثوانٍ ولا يتطلب مفاتيح. المطلوب مدير الحزم uv وPython 3.12.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.