البحث المستمر يتفوق على حجم النموذج: ورقة بحثية تحل معضلة تشخيص أعطال الوكلاء في المهام الطويلة

تواجه الفرق الهندسية التي تنشر وكلاء الذكاء الاصطناعي في بيئات العمل المعقدة تحديًا تشغيليًا متصاعدًا يتمثل في صعوبة تتبع أسباب الانهيار والخطأ، خاصة عندما تمتد مسارات التنفيذ عبر سلاسل طويلة من الخطوات. كلما اتسع أفق المهمة وتراكمت سجلات التنفيذ الضخمة، أصبحت المراجعة البشرية المباشرة أمرًا غير عملي، بينما تعاني أدوات التشخيص الآلية المستندة إلى النماذج اللغوية الكبيرة من تدني الدقة وضعف القدرة على تحديد السبب الجذري للفشل بدقة وموثوقية.

في ورقة بحثية جديدة حملت عنوان «تحديد الأسباب الجذرية بوصفه مسألة بحث: البحث المستمر لأعطال الوكلاء في المهام ذات الأفق الطويل»، كشف فريق بحثي يقوده هارش راج وديفيد لي وأنس محمود وسبعة باحثين آخرين، عن علة هيكلية في الطرق المعتمدة حاليًا لتشخيص الأعطال آليًا. تعتمد المنهجيات السائدة على استخدام نموذج لغوي كحكم يفحص مسار التنفيذ في جولة تقييم واحدة. ورغم نجاح هذا الأسلوب في المسارات القصيرة، إلا أن النماذج تقع في فخ الاكتفاء السريع بتفسير سطحي يبدو مقنعًا في الظاهر، تاركة الأدلة الحاسمة الموزعة في سجلات التنفيذ الطويلة دون فحص.

تكمن المعضلة الأساسية في أن المعلومات المرتبطة بالسبب الجذري للخطأ غالبًا ما تكون متناثرة ومتباعدة زمنيًا ومفصولة تمامًا عن نقطة الانهيار الظاهرة للمستخدم. ولعلاج هذا الخلل، قدّم الباحثون إطار عمل أطلقوا عليه اسم «البحث المستمر»، وهو نظام تكراري يدفع النموذج المقيم عبر جولات متعاقبة إلى مواصلة الاستكشاف والبحث عن الأدلة التشخيصية غير المحسومة بدل القفز إلى استنتاج مبكر.

ولأن المعايير المرجعية القائمة تفتقر إلى سجلات تنفيذ حقيقية وضخمة، طور الفريق مجموعة اختبار جديدة باسم «MegaRCA-Mix» تضم خمسين مسار فشل خضعت لتوثيق وتدقيق بشري دقيق وتغطي مهام طويلة ومركبة. أظهرت النتائج تفوق إطار البحث المستمر عبر مختلف مجموعات الاختبار وعائلات النماذج؛ إذ رفع الإطار درجة مقياس F1 لنموذج GPT-5.5 على معيار MegaRCA-Mix بأكثر من 40 بالمئة، قافزًا من 0.349 إلى 0.498.

الأمر الأكثر إثارة للانتباه تقنيًا هو أن النماذج الأصغر حجمًا داخل العائلة الواحدة تفوقت على النماذج الأكبر والأعلى تصنيفًا عند تزويدها بمنهجية البحث المستمر، ما يثبت أن استراتيجية البحث الذكية تفوق في أثرها التوسع المجرد في حجم النموذج.

لهذه الخلاصة أثر عملي مباشر على فرق هندسة البرمجيات والذكاء الاصطناعي في الخليج ومصر والأردن التي تبني حاليًا وكلاء مستقلين لأتمتة العمليات في المصارف واللوجستيات والخدمات الحكومية. بدل استنزاف الميزانيات التشغيلية في استدعاء نماذج عملاقة وباهظة التكلفة لمحاولة تشخيص أخطاء الوكلاء في طلب استدلال واحد، تفرض هذه النتائج إعادة تصميم منظومات المراقبة والتصحيح الداخلي؛ إذ يمكن الاعتماد على نماذج أصغر وأقل كلفة تعمل عبر دورات فحص تكرارية موجهة، مما يخفض فاتورة الاستدلال ويمنح مهندسي المنصات العربية قدرة حقيقية على عزل الأخطاء الكامنة في العمليات المعقدة قبل أن تعطل خدمة العملاء.