«المكافأة الذاتية السلوكية» لوكلاء البرمجيات: كيف يتعلم النموذج تحسين مسارات التنقيح دون محاكاة إضافية؟

تعتمد أحدث مسارات تدريب وكلاء هندسة البرمجيات على التعلم المعزز بمكافآت قابلة للتحقق عبر اختبارات برمجية تنفيذية، لكن نظام المكافأة الثنائي الذي يقتصر على رصد النجاح أو الفشل يعجز عن التمييز بين مسارات تتباين جذريًا في جودة التنقيح البرمجي. لحل هذه الفجوة، طور فريق بحثي منهجية أطلق عليها «المكافأة الذاتية السلوكية»، تتيح للنموذج الحكم على مساراته البرمجية والمفاضلة بينها لتحسين أدائه في المهام المعقدة دون الحاجة إلى تدريب نموذج مكافأة منفصل.

تنطلق الدراسة، التي قادها الباحثون ييران وو وأندرو تشاو ويوروي تشانغ وتشينغيون وو وشوان فنغ، من إشكالية جوهرية تواجه وكلاء هندسة البرمجيات في بيئات التطوير الآلية. فحين يُكلف الوكيل بحل مشكلة في الكود، قد يصل إلى الحل عبر مسار هندسي دقيق ومنظم، بينما يحلها وكيل آخر عبر مسار عشوائي مليء بالالتفافات غير المبررة وتكرار الأخطاء. في كلا المسارين، تمنح الاختبارات التنفيذية النتيجة الثنائية ذاتها لأن الكود اجتاز الفحص في النهاية، ما يحرم خوارزميات التدريب من إشارة تفاضلية تميز الأسلوب الهندسي الرصين عن النجاح القائم على المصادفة.

تعيد منهجية «المكافأة الذاتية السلوكية» استخدام سياسة النموذج نفسها لمقارنة السلوك الملاحظ أثناء معالجة الأخطاء بين مسارات متعددة أُنتجت للمهمة ذاتها وحققت نتيجة الفحص التنفيذي نفسها. وتعتمد الآلية على تجميع التفضيلات الزوجية وتحويلها إلى درجات محلية على مستوى المهمة، ثم صياغتها في صورة مكافآت مساعدة مقيدة تضمن الحفاظ الصارم على الترتيب الأصلي لنتائج النجاح والفشل المحددة آليًا. تولد هذه الطريقة تباينا دقيقا في تقييم السلوك البرمجي بالاعتماد كليا على مسارات مجمعة مسبقا، دون تكبد تكلفة تشغيل تفاعلات إضافية مع البيئات البرمجية.

أظهرت التجارب التطبيقية على معياري SWE-bench Verified وSWE-bench-Live تحسنًا مطردًا في أداء النماذج المختبرة، وتحديدًا نسختي Qwen3-14B وQwen3-32B. وتؤكد هذه النتائج أن الأحكام المقارنة التي يصدرها النموذج تجاه سلوكه تمثل إشارة تدريبية مكملة بالغة الفاعلية لتطوير وكلاء البرمجيات، إذ ترفع دقة النماذج المفتوحة وتكسبها قدرة أكبر على تصحيح الأخطاء دون الحاجة إلى تضخيم معمارية النموذج أو زيادة متطلباته التشغيلية.

يمتد أثر هذا النهج مباشرة إلى فرق تطوير البرمجيات ومطوري النماذج في المنطقة، لا سيما في مراكز التقنية الصاعدة في الخليج ومصر والشام التي تسعى لبناء وكلاء أتمتة برمجية مخصصة للقطاعات الحيوية. الاستفادة القصوى من مسارات التنفيذ المسجلة مسبقا تخفض تكلفة الحوسبة وفواتير استدعاء النماذج التي تتحملها الفرق الهندسية أثناء تدريب الوكلاء وضبطهم محليا. لم يعد بناء وكيل برمجي متقدم مقصورًا على القدرة المالية لتشغيل ملايين دورات الاختبار داخل حاويات محاكاة مكلفة، بل بات يعتمد على استخلاص أقصى فائدة تدريبية من التجربة الواحدة، ما يمنح الفرق المحلية فرصة تطوير أدوات عالية الموثوقية بتكاليف واقعية.

ينقل هذا التطور معيار تقييم الوكلاء من مجرد السؤال عن صلاحية الكود النهائي إلى فحص الكيفية والمنهجية التي اتبعها النموذج للوصول إلى الحل. هذا التحول يساعد مسؤولي التقنية والمهندسين على ضمان دمج وكلاء ينتجون شفرات برمجية مستقرة وقابلة للصيانة داخل البيئات التشغيلية، وتجنب الشفرات الهشة التي تجتاز الاختبارات الأولية لكنها تنهار عند التوسع والتطبيق الفعلي.