NVIDIA تطلق NeMo Retriever: بحث وكيلي للبيانات المؤسسية المعقدة

قدّم فريق NVIDIA مسار agentic جديدًا لـ NeMo Retriever، وهو نظام بحث لا يقتصر على مقارنة التقارب الدلالي. فبدلًا من استعلام واحد، يشغّل النظام حلقة تتألف من البحث وتقييم النتائج الوسيطة وتعديل الاستراتيجية، وهو ما ساعد الحل على احتلال المركز الأول في تصنيف ViDoRe v3 والمركز الثاني في BRIGHT.

لماذا لا يكفي البحث الواحد

يعمل dense retrieval الكلاسيكي بكفاءة حين يكفي العثور على مستندات تشبه الاستعلام من حيث المعنى. لكن هذا كثيرًا ما لا يكفي في السيناريوهات المؤسسية: فالمستندات قد تكون معقدة بصريًا، والاستعلامات مركّبة، والإجابات موزعة على عدة مصادر. وتتطلب هذه المهام أكثر من مطابقة التضمينات (embeddings)؛ إذ يلزم تفكيك السؤال إلى أجزاء، واختبار الفرضيات، وتغيير اتجاه البحث أكثر من مرة.

تصف NVIDIA ذلك بأنه فجوة بين نوعين من الأنظمة. فالـ retrievers قادرة على مسح مجموعات ضخمة من البيانات بسرعة، لكنها تكاد لا تستدل. أما النماذج اللغوية الكبيرة فتستطيع التخطيط والاستنتاج المنطقي، لكنها لا تقدر على معالجة ملايين المستندات دفعة واحدة. ويُفترض أن يسدّ agentic retrieval هذه الفجوة بالجمع بين النهجين في حلقة واحدة.

كيف تعمل الحلقة

يقوم المسار على بنية ReACT. فلا يتلقى الوكيل المهمة بصيغة «استعلام واحد، نتيجة واحدة»، بل يعمل على خطوات: يفكّر، ثم يستدعي الأداة retrieve(query, top_k)، ويحلل ما عثر عليه، ثم يقرر ما يفعله لاحقًا. وتُجمَّع الإجابة النهائية عبر أداة منفصلة هي final_results، تعيد قائمة بأكثر المستندات صلة.

وبحسب الفريق، ظهرت أثناء العملية بصورة طبيعية عدة أنماط مفيدة:

• توليد استعلامات أدق كلما ظهرت وقائع جديدة؛
• إعادة الصياغة المستمرة إلى أن يجد النظام إشارة مفيدة؛
• تقسيم السؤال المعقد إلى عدة مهام فرعية بسيطة؛
• إعادة ترتيب المستندات المكتشفة قبل الاختيار النهائي.

وإذا بلغ الوكيل حد الخطوات أو طول السياق، فلا ينقطع المسار بلا ضابط. فكإجراء احتياطي يُستخدم Reciprocal Rank Fusion: تحصل المستندات على درجة نهائية استنادًا إلى مواقعها في محاولات البحث المختلفة، ويظل النظام يقدّم مجموعة نتائج ذات معنى.

أين تفوّق المسار

النتيجة الأهم ليست المرتبة في لوحة المتصدرين فحسب، بل شمولية الحل أيضًا. فقد حقق المسار نفسه، دون تغيير البنية الأساسية، المركز الأول في ViDoRe v3 بنتيجة NDCG@10 تبلغ 69,22، والمركز الثاني في BRIGHT بنتيجة NDCG@10 تبلغ 50,90. ويُعنى المقياس الأول بالمستندات المؤسسية الغنية بصريًا والمتنوعة، بينما يُعنى الثاني بالمهام التي تتطلب مزيدًا من الاستدلال متعدد الخطوات.

وقارن المؤلفون نهجهم على نحو منفصل بحلول أكثر تخصصًا. فعلى سبيل المثال، يتصدر INF-X-Retriever اختبار BRIGHT بنتيجة 63,40، لكنه سجّل في ViDoRe v3 بالإعداد نفسه مع nemotron-colembed-vl-8b-v2 نتيجة 62,31، وهي أقل حتى من dense retrieval العادي على نموذج التضمين نفسه الذي سجّل 64,36. وتستخدم NVIDIA هذه المقارنة حجةً لصالح النهج القابل للتعميم: فالحلقة الوكيلية تنتقل بين أنواع المهام المختلفة أفضل من المسارات المصممة لاختبار قياسي واحد.

ومن اللافت أيضًا أن الفريق أعاد بناء البنية التحتية من أجل السرعة. ففي البداية نُقل الـ retriever إلى خادم MCP، وهو خيار منطقي لوصول النموذج اللغوي الكبير إلى الأدوات الخارجية. لكن عمليًا أضاف ذلك استدعاءات شبكية زائدة وعملية منفصلة، مع خطر أخطاء تهيئة صامتة وانهيارات تحت الحمل. وفي النهاية استُبدل مخطط MCP بـ retriever من نوع singleton آمن للخيوط داخل العملية نفسها: يُحمَّل النموذج والتضمينات مرة واحدة، ويُنسَّق الوصول عبر lock، وتبقى واجهة retrieve() كما هي. وقد أزال ذلك فئة كاملة من المشكلات التشغيلية وسرّع التجارب.

ثمن البحث المستقل

تقول NVIDIA صراحةً إن لهذه الجودة ثمنًا. فالـ agentic retrieval أبطأ وأغلى بوضوح من dense retrieval العادي. ففي ViDoRe v3 استغرق الاستعلام الواحد في المتوسط 136,3 ثانية، واحتاج إلى نحو 760 ألف رمز إدخال و6,3 ألف رمز إخراج، وأجرى الوكيل في المتوسط 9,2 استدعاء للبحث. وهذا ملف أداء ثقيل للمهام الفورية، خاصة عند الحمل الكبير.

وأجرى الفريق كذلك مقارنة بين النماذج المغلقة والمفتوحة. ففي ViDoRe v3 تبيّن أن الجمع مع Opus 4.5 هو الأفضل، لكن الانتقال إلى gpt-oss-120b مفتوح الأوزان أدى إلى انخفاض معتدل فقط في الجودة، من 69,22 إلى 66,38. أما في BRIGHT فكانت الفجوة أكبر، ما يشير إلى اعتماد مهام الاستدلال المعقدة على نماذج frontier الأقوى.

والخطوة التالية لدى NVIDIA هي محاولة نقل هذه الأنماط الوكيلية إلى نماذج مفتوحة متخصصة أكثر إحكامًا، بهدف خفض التكلفة والتأخير دون خسارة كبيرة في الجودة.

ماذا يعني ذلك

يبتعد البحث في البيانات المؤسسية سريعًا عن مخطط «أدخل استعلامًا، واحصل على مستندات مشابهة». وتُظهر NVIDIA أن المستوى التالي هو وكيل يعرف كيف يبحث بصورة تكرارية، ويغيّر تكتيكه، ويجمع بين الاستدلال والاسترجاع (retrieval). ولا يزال هذا النهج مكلفًا وغير سريع، لكنه يبدو بالفعل، في السيناريوهات المعقدة عالية المخاطر، بنية عملية قابلة للتطبيق لا تجربة مخبرية.