Google Research تطلق PaperOrchestra: خمسة وكلاء ذكاء اصطناعي يكتبون ورقة علمية انطلاقًا من المسودات
الفكرة وسجلات التجارب جاهزة، لكن الورقة العلمية غير موجودة: فهي تحتاج إلى خطة ومراجعة لأعمال الآخرين ورسوم بيانية وتنسيق. نشرت Google Research مشروع PaperOrchestra، وهو خمسة وكلاء ذكاء اصطناعي يجمعون من المسودات مخطوطة بصيغة LaTeX، وهي الصيغة التي تعتمدها المؤتمرات العلمية. يضع أحد الوكلاء خطة الورقة، ويبحث آخر في الأدبيات، ويتولى الباقون كتابة الأقسام وتحسين النص ورسم الرسوم البيانية. جمع المستودع 306 نجوم في يوم واحد، لكن لا توجد حتى الآن أرقام تقيس جودة المخرجات.
معالج بواسطة الذكاء الاصطناعي من GitHub Trending AI؛ بتحرير Hamidun News
تخيّل طالب دراسات عليا أنهى تجاربه: لديه ملاحظات نصية تصف الفكرة وجداول بنتائج التشغيلات. ومع ذلك، تبقى أمامه أسابيع من العمل الروتيني قبل أن تصبح الورقة جاهزة: وضع هيكل الورقة، والعثور على أعمال الآخرين وتلخيصها، ورسم الرسوم البيانية، ثم مواءمة كل ذلك مع متطلبات المؤتمر. نشرت Google Research على GitHub مشروع PaperOrchestra الذي يحاول أتمتة هذا الجزء تحديدًا. يعمل في المشروع خمسة وكلاء ذكاء اصطناعي (أي نسخ منفصلة من نموذج لغوي، لكل منها دور ضيق)، وتكون المخرجات مخطوطة بصيغة LaTeX، وهي لغة التنضيد التي تقبل بها المؤتمرات العلمية الأوراق. جمع المستودع خلال يوم واحد 306 نجوم، أي أن هذا العدد من مستخدمي GitHub وضعوا عليه علامة اهتمام، وظهر ضمن المشاريع الرائجة.
ماذا يفعل PaperOrchestra
هو إطار عمل متعدد الوكلاء: فبدلًا من نموذج واحد كبير يُطلب منه «اكتب ورقة»، يعمل فريق من المتخصصين. بحسب وصف المؤلفين، هناك وكيل للخطة، ووكيل لمراجعة الأدبيات، ووكيل لكتابة الأقسام، ووكيل لتحسين النص، ووكيل لبناء الرسوم البيانية.
تُقدَّم إلى النظام مواد «خام»: وصف للفكرة وسجل للتجارب. ولا يُشترط فيها بنية صارمة. والمخرجات مخطوطة منسّقة وفق قالب المؤتمر المستهدف، مع مراجعة للأدبيات ورسوم توضيحية مولَّدة: رسوم بيانية للنتائج ومخططات مفاهيمية.
إذا وزّعنا عمل طالب الدراسات العليا على أدوار، حصلنا على هذا التصميم بالضبط. الوكيل الأول يرسم هيكل الورقة. والثاني يبحث عن الأعمال ذات الصلة ويختار أهمها ويدمجها في النص. والثالث يكتب الأقسام. والرابع يعيد قراءة النص ويحسّنه. والخامس يبني الرسوم البيانية انطلاقًا من الشيفرة.
كيف يمكن تشغيله
يُثبَّت المشروع في بيئة Conda منفصلة على Python 3.11، وتؤخذ الاعتماديات من ملف requirements.txt. وتلزم المفاتيح للنماذج التي تنوي استخدامها. فمع Gemini يلزم إما مشروع ومنطقة في Vertex AI، أو GEMINI_API_KEY، ومع نماذج OpenAI يلزم OPENAI_API_KEY. ويُحدَّد بشكل منفصل مفتاح Semantic Scholar، وهو لازم للبحث في الأدبيات. وإذا أردت أن يرسل العرض التجريبي النتيجة إلى بريدك الإلكتروني، فتُضاف حقلان إضافيان.
يجري التشغيل عبر السكربت paper_writing_cli.py. وهناك معاملان إلزاميان: مجلد المواد المصدرية ومجلد قالب LaTeX. أما مجلد النتائج فيمكن عدم تحديده، وعندها يُنشأ مجلد يحمل ختمًا زمنيًا. ويتوفر مفتاح لتشغيل وكيل الرسوم البيانية أو إيقافه، واختيار منفصل للنموذج المستخدم مع وكلاء الكتابة والأدبيات ومع وكلاء المراجعة الذين يفحصون المسودة ويعيدون النظر فيها. ولمن لا يرغب في التعامل مع سطر الأوامر، يوجد عرض تجريبي تفاعلي على Streamlit.
يضم المستودع سكربتات التقييم الآلي، والمنطق الأساسي للوكلاء ولخط المعالجة، ودوالّ مساعدة لاستدعاءات API والعمل مع ملفات PDF، إضافةً إلى قوالب المؤتمرات. ويمكن إضافة قالب خاص بك بإنشاء مجلد فرعي.
القيود وكيف نتعامل معها
من المهم النظر بواقعية إلى ما لا يتضمنه المشروع. فلا توجد في الوصف أرقام عن الجودة: لا يُعرف كم مرة تجتاز الأوراق المولَّدة التحكيم، ولا مدى دقة المراجع المذكورة من الأدبيات. أما مجموعة البيانات التي اختُبر عليها المشروع فلم تُنشر بعد، ويَعِد المؤلفون بنشرها لاحقًا. والعمل موصوف في ورقة تمهيدية على arXiv:2604.05018 (Yiwen Song وYale Song وTomas Pfister وJinsung Yoon). ويحمل المستودع وسمًا صريحًا بأنه ليس منتجًا رسميًا من Google، ولذلك لا ينبغي توقع دعم أو ضمانات.
هناك أيضًا سؤال أخلاقي لا تحله الشيفرة. فالتجميع الآلي للمخطوطة من السجلات قد يتحول بسهولة إلى سيل من الأوراق الضعيفة، كما أن لدى كثير من المؤتمرات قواعد بشأن استخدام الذكاء الاصطناعي في الكتابة. وتبقى مسؤولية صحة الوقائع وسلامة المراجع والوصف الأمين للتجارب على عاتق المؤلف.
الخلاصة العملية لمطوّري الوكلاء: PaperOrchestra مثال واضح على بنية تُقسَّم فيها المهمة إلى أدوار ضيقة، وتأتي بعد الكتابة مرحلة منفصلة للتحقق الذاتي. ويمكن نقل هذا النمط إلى مستندات طويلة أخرى: التقارير التقنية والوثائق والمذكرات التحليلية. وبالنسبة للباحثين، هو وسيلة للحصول سريعًا على مسودة أولى وأساس للتعديل، لكنه ليس بديلًا عن عملهم الخاص. وإلى أن تصدر مجموعة البيانات والتقييمات المستقلة، ينبغي التعامل مع المشروع بوصفه نموذجًا أوليًا مثيرًا للاهتمام، لا أداة جاهزة لتقديم الأوراق.
- 21 نوفمبر 2026كاليفورنيا تقاضي OpenAI: وكلاء الذكاء الاصطناعي لديها خرجوا عن السيطرة 80 مرة على الأقل
- 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 أبرز التفاصيل حول ماذا يفعل PaperOrchestra؟
هو إطار عمل متعدد الوكلاء: فبدلًا من نموذج واحد كبير يُطلب منه «اكتب ورقة»، يعمل فريق من المتخصصين. بحسب وصف المؤلفين، هناك وكيل للخطة، ووكيل لمراجعة الأدبيات، ووكيل لكتابة الأقسام، ووكيل لتحسين النص، ووكيل لبناء الرسوم البيانية. تُقدَّم إلى النظام مواد «خام»: وصف للفكرة وسجل للتجارب. ولا يُشترط فيها بنية صارمة. والمخرجات مخطوطة منسّقة وفق قالب المؤتمر المستهدف، مع مراجعة للأدبيات ورسوم توضيحية مولَّدة: رسوم بيانية للنتائج ومخططات مفاهيمية.
ما أبرز التفاصيل حول كيف يمكن تشغيله؟
يُثبَّت المشروع في بيئة Conda منفصلة على Python 3.11، وتؤخذ الاعتماديات من ملف requirements.txt. وتلزم المفاتيح للنماذج التي تنوي استخدامها. فمع Gemini يلزم إما مشروع ومنطقة في Vertex AI، أو GEMINI_API_KEY، ومع نماذج OpenAI يلزم OPENAI_API_KEY. ويُحدَّد بشكل منفصل مفتاح Semantic Scholar، وهو لازم للبحث في الأدبيات. وإذا أردت أن يرسل العرض التجريبي النتيجة إلى بريدك الإلكتروني، فتُضاف حقلان إضافيان. يجري التشغيل عبر السكربت paper_writing_cli.py. وهناك معاملان إلزاميان: مجلد المواد المصدرية ومجلد قالب LaTeX.
ما أبرز التفاصيل حول القيود وكيف نتعامل معها؟
من المهم النظر بواقعية إلى ما لا يتضمنه المشروع. فلا توجد في الوصف أرقام عن الجودة: لا يُعرف كم مرة تجتاز الأوراق المولَّدة التحكيم، ولا مدى دقة المراجع المذكورة من الأدبيات. أما مجموعة البيانات التي اختُبر عليها المشروع فلم تُنشر بعد، ويَعِد المؤلفون بنشرها لاحقًا. والعمل موصوف في ورقة تمهيدية على arXiv:2604.05018 (Yiwen Song وYale Song وTomas Pfister وJinsung Yoon). ويحمل المستودع وسمًا صريحًا بأنه ليس منتجًا رسميًا من Google، ولذلك لا ينبغي توقع دعم أو ضمانات. هناك أيضًا سؤال أخلاقي لا تحله الشيفرة.
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.