تخطَّ إلى المحتوى

«مهايئات هجين الوكلاء» تخفض استهلاك الرموز للنصف: معادلة استدلال تحمي ميزانيات الحوسبة بالمنطقة

شارك المقال
«مهايئات هجين الوكلاء» تخفض استهلاك الرموز للنصف: معادلة استدلال تحمي ميزانيات الحوسبة بالمنطقة
الصورة: Majid Abparvar / Unsplash

استمع لهذا المقال

بصوت ليلى (Layla)

كشفت التجارب الميدانية لمنصة «هاجينغ فيس» عن مفارقة تشغيلية لطالما أثقلت ميزانيات فرق التطوير في الخليج ومصر: النماذج اللغوية العامة تهدر ما يقرب من نصف رموزها الحوسبية داخل أطر الوكلاء البرمجيين بسبب التفكير الزائد وتكرار استدعاء الأدوات دون جدوى. أعلن فريق بحثي يضم يونس بلقعدة وبن بورتنشو ولويس تونستال عن معمارية جديدة لتدريب مهايئات التكيف «Harness Adapters» عبر التعلم المعزز المباشر داخل بيئة تشغيل الوكيل البرمجي نفسه، محققين قفزة في الدقة وتراجعًا حاسمًا في تكاليف الاستدلال.

النموذج العام لا يعني كفاءة تلقائية في التشغيل. أظهرت النتائج المنشورة على نموذج «Qwen3.8-27B» أن النموذج الأساسي عند تشغيله داخل إطار الوكلاء «Pi 1.5.2» سجل معدل نجاح لم يتجاوز 39 بالمئة على معيار «Terminal-Bench 2.1»، مستهلكًا متوسط 2.9 ألف رمز لكل مهمة برمجية. وعند تثبيت أوزان النموذج الأصلي بالكامل وإضافة مهايئ خفيف بتقنية «LoRA» جرى تدريبه بالتعلم المعزز عبر خوارزمية «GRPO»، قفزت نسبة النجاح من المحاولة الأولى إلى 55 بالمئة، مع هبوط استهلاك الرموز إلى 1.5 ألف رمز فقط. يعود هذا التحول إلى توقف النموذج عن الاستدلال الاستطرادي وتقليص استدعاء الأدوات المتكررة، مما جعله ينجز المهام البرمجية المعقدة بنجاح منذ المحاولة الأولى.

شملت التجارب ثلاثة أطر عمل برمجية شائعة هي «Pi» وإطار «OpenCode 2.2.7» ونظام «Hermes Agent v0.22.6». وبخلاف أطر التعلم المعزز التقليدية التي تعيد بناء حلقة عمل الوكيل عبر واجهات مخصصة مثل «verl» أو «SkyRL-Gym»، استند الفريق إلى تكامل «Harbor» داخل بيئة «OpenEnv» ومكتبة «TRL»، حيث يعمل إطار الوكيل بحالته الإنتاجية الأصلية تمامًا، ويتعلم المدرب من تدفق الرموز الفعلي المسجل عبر وسيط برمجي مرتبط بمحرك «vLLM». ولم يكتفِ الباحثون بإنتاج مهايئ منفصل لكل بيئة، بل دمجوا مصفوفات «LoRA» الثلاث في مهايئ فائق واحد يعمل بسلاسة تامة عبر الأطر الثلاثة دون فقدان في مستويات الأداء.

تطلبت عملية التدريب بناء خط بيانات صارم غربل 1127 بيئة برمجية مرشحة على منصة «هاجينغ فيس» للوصول إلى 871 مهمة معتمدة موزعة على 35 مستودعًا برمجيًا، مع وضع سقف محدد بأربعين مهمة للمستودع الواحد منعًا للاستحواذ. جمعت المادة بين ثلاثة مصادر: مستودع «SWE-smith» الذي يحقن أخطاء برمجية في لغتي بايثون وغو، ومستودع «SWE-Gym» القائم على مشكلات حقيقية مستخلصة من «غيت هاب»، ونظام «Tasksmith» الموجه لمعالجة فجوات مهارات محددة مثل تدفق بروتوكول «HTTP» ومعالجة الملفات والبيانات المتسلسلة. واعتمدت التصفية على اختبارات دلالية عبر أداة «openenv validate»، أعقبها فحص صعوبة قاسٍ على النموذج الأساسي، حيث استُبعدت المهام السهلة جدًا والمهام المستحيلة، وحُصرت حزمة التعلم المعزز في 171 مهمة متوازنة تمنح النموذج إشارة تعلم فعلية. ونُفذت عمليات التدريب باستخدام مدرب «AsyncGRPOTrainer» غير المتزامن على وظائف السحابة المدعومة بثماني رقاقات «H200»، مع تعطيل وضعية التفكير المطول أثناء مراحل الاستطلاع لتحقيق أعلى كفاءة زمنية وحوسبية.

ماذا يعني هذا للمنطقة

كلفة استدلال النماذج البرمجية أصبحت مسألة ميزانيات تشغيلية لا رفاهية تجارب. فرق الهندسة البرمجية في المصارف وشركات التقنية المالية بالرياض وأبوظبي والقاهرة تدفع فواتير استدلال ضخمة شهريًا لتشغيل وكلاء الكود المؤتمتين، حيث تتآكل الميزانية بسبب استدعاءات الأدوات الفاشلة والاستطراد غير المنتج. خفض استهلاك الرموز للنصف مع رفع الدقة إلى 55 بالمئة يعني عمليًا تقليص فاتورة استهلاك الرموز إلى النصف، مع تقليل زمن الاستجابة في بيئات التطوير الحساسة.

يفتح هذا المسار التقني بابًا واقعيًا لتكريس السيادة الرقمية داخل مراكز البيانات الإقليمية. تشغيل نموذج بحجم 27 مليار معامل مع مهايئ تكيف خفيف على البنى التحتية المحلية للشركات يمنح المؤسسات أداءً ينافس النماذج الاحتكارية المغلقة الضخمة، دون الاضطرار لتسريب الشيفرات البرمجية الحساسة إلى خوادم خارجية ودون الخضوع لتسعير واجهات البرمجة السحابية المتقلبة.

المعادلة التي نراها تفرض مهارة جديدة على مهندسي الذكاء الاصطناعي في المنطقة: التحول من هندسة الأوامر النصية التقليدية إلى ضبط المهايئات عبر التعلم المعزز داخل بيئة التشغيل الفعلية. إذا كنت تقود فريقًا برمجيًا يعتمد على وكلاء أذكياء، فإن خطوتك التالية ليست البحث عن نموذج أكبر حجمًا، بل تدريب مهايئ مخصص يحكم إهدار الرموز ويوائم النموذج مع الأدوات المتاحة له.

اشترك في همسات الذكاء الاصطناعي — كل أسبوع: قصص وفرص وأحداث مختصرة وموثقة، بلا حشو.

اشترك ليصلك الجديد