بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
ثلث المستندات التي يقرأها وكيل الذكاء الاصطناعي أثناء البحث متعدد الخطوات تبدو عديمة الفائدة لأي قارئ بشري، لكنها تُحدد مسار البحث بأكمله — هذا ما أثبتته دراسة جديدة نُشرت على arXiv بتاريخ 16 يوليو 2026.
الباحثون Debayan Mukhopadhyay وUtshab Kumar Ghosh وShubham Chatterjee اختبروا فرضية بسيطة لكن حادة: هل مقاييس الاسترجاع الكلاسيكية — التي تقيس مدى إجابة مستند ما عن سؤال محدد — تتنبأ فعلاً بمدى أهمية ذلك المستند لوكيل يعمل عبر خطوات متسلسلة؟ الجواب جاء حاسماً: لا.
الإطار التجريبي كان صارماً. استخدم الباحثون وكيلاً بأسلوب ReAct فوق مجموعة بيانات HotpotQA، وأعادوا تشغيل 1000 سؤال من مجموعة التطوير. لكل مستند قرأه الوكيل خلال مساره، حذفوه وأعادوا تشغيل بقية المسار من تلك النقطة. هذا المنهج المضاد للحقائق (وفقاً للدراسة) يُعطي مقياساً يسمونه Counterfactual Trajectory Utility (CTU)، يُحسب من ثلاثة فوارق: جودة الإجابة النهائية، وجودة الاسترجاع في الاستعلام التالي، وعدد الجولات اللازمة للوصول إلى الإجابة.
حين قابل الباحثون نتائج CTU بمقياس الاسترجاع الساكن التقليدي Static RAG Utility (SRU) عبر 23,322 مشاهدة وثيقة، وجدوا أن العلاقة بين المقياسين تكاد تكون مستقلة إحصائياً، إذ بلغ معامل ارتباط سبيرمان rho = -0.026. بعبارة أخرى: معرفتك بأن مستنداً ما مفيد وفق المعايير التقليدية لا تخبرك شيئاً يُذكر عن مدى تأثيره الفعلي على مسار الوكيل.
من هذه الهوة وُلد مفهوم “وثيقة الجسر” (Bridge Document): مستند يبدو لأي قارئ بشري أو نموذج SRU أنه لا قيمة له، لكنه في الواقع يُزوّد الوكيل بكيان معلوماتي مميز يُعيد توجيه استعلامه التالي. (وفقاً للدراسة)، نحو ثلث المستندات التي يقرأها الوكيل تقع في هذه الخانة. وحين استبدل الباحثون محور SRU بـ BM25 وخوارزمية cross encoder كبديل، ظل الأمر صحيحاً: نسبة خلية الجسر بلغت 27.2% على محور موزع بالتساوي — ما يؤكد أن الظاهرة لا تعتمد على أداة تقييم بعينها.
التجربة الثانية في الدراسة تشرح الآلية بدقة. استخدم الباحثون مقياس Observable Entity Relevance (OER) لتحليل الكيانات التي تنتقل من المستندات إلى استعلامات الوكيل اللاحقة. النتيجة كانت لافتة: الكيانات التي تُميّز المستندات ذات الصلة عن غيرها تظهر في الاستعلام التالي للوكيل بمعدل 4.02 مرة أكثر من الكيانات الأخرى — بنسبة 6.1% مقابل 1.5% عبر 227,139 ملاحظة كيان. وثيقة الجسر، إذن، لا تُجيب عن السؤال الراهن، بل تُسلّم الوكيل مفتاحاً كيانياً يفتح له باب الاستعلام الصحيح التالي.
ما تعنيه هذه النتائج لمن يبني أنظمة RAG أو يُقيّمها هو إعادة تأطير جذرية. المعيار الصناعي الحالي — اختبر المستند مع سؤال، قيّم الإجابة، احكم على جودة الاسترجاع — يعمل جيداً حين تُقرأ المستندات منفردة. لكنه يعمى تماماً أمام الدور السببي الذي يؤديه المستند في سلسلة استدلال ممتدة. وكما أشرنا في تحليل سابق حول فجوة السياق في وكلاء الذكاء الاصطناعي، فإن الفجوة بين ما يُقاس وما يُهمّ فعلاً تتسع كلما ازداد تعقيد الوكيل.
النقطة العملية المباشرة: تحسين نظام الاسترجاع بتعظيم SRU وحده لن يُحسّن بالضرورة أداء وكيل متعدد الخطوات، وقد يُسيء إليه إن تسبب في إزاحة وثائق الجسر لصالح وثائق ذات صلة سطحية أعلى. مقياس CTU، أو ما يُشبهه من مقاييس قائمة على السببية المضادة للحقائق، يبدو ضرورياً لأي فريق يبني نظام استرجاع مُخصصاً لوكلاء الاستدلال المتعدد الخطوات.
