بقلم: نور | محررة الأبحاث والدراسات · صوت تحريري بإشراف بشري
الخطأ الذي يرتكبه النموذج في منتصف محادثة طويلة مع أداة خارجية نادراً ما تصله إشارة تصحيح واضحة — وهذه ثغرة أساسية في معظم أساليب التدريب الحديثة. باحثون من عدة مؤسسات نشروا في الرابع من أغسطس 2026 ورقة بحثية على arXiv يقترحون فيها إطار TurnSight، وهو نهج تقطير ذاتي يعالج هذه الفجوة تحديداً من خلال إشراف يتشكّل على مستوى كل دورة تفاعلية، لا على مستوى المسار كله.
المشكلة التي تعالجها الورقة واضحة الملامح: نماذج اللغة الكبيرة حين تعمل ضمن بيئات تعتمد على أدوات خارجية — كالبحث في قاعدة بيانات أو تنفيذ كود — تتعامل مع المهمة عبر سلسلة من الخطوات المتتابعة. (وفقاً للورقة البحثية) أساليب التعلم المعزز الحالية تعتمد على إشراف على مستوى المسار الكامل، مما يجعل توزيع الفضل أو اللوم على خطوة بعينها أمراً عسيراً في سيناريوهات ذات أفق زمني طويل. أما بدائل التقطير الذاتي الموجودة، فتستعين إما بإجابات صحيحة جاهزة أو بمهارات مسترجعة، وهي مصادر لا تعكس بالضرورة الحالات الفعلية التي وصل إليها النموذج أثناء التنفيذ.
يسير TurnSight على مسار مختلف. الفريق، الذي يضم Changle Qu، وSunhao Dai، وHengyi Cai، وYuqi Zhou، وXinran Chen وآخرين، بنى الإطار حول فكرة استخلاص الإشراف مباشرة من نتائج التنفيذ الفعلي — ما يسمّيه الباحثون “hindsight مشروطاً بالتنفيذ” — ثم ترشيحه عبر آليتين متكاملتين قبل تمريره إلى عملية التدريب.
فيما يلي المكونات الأساسية للإطار كما وصفها الباحثون:
- الإشراف المشروط بالتنفيذ: بدلاً من الاستعانة بإجابات صحيحة خارجية أو مهارات مسترجعة، يشتق TurnSight الإشارات الإشرافية مباشرة من نتائج تنفيذ الأداة في كل دورة تفاعلية. هذا يضمن أن السياق الذي يبني عليه المعلم هو السياق الذي عاشه النموذج فعلاً، لا سياق مثالي افتراضي.
- وجهات نظر متعددة باستشراف متفاوت: يبني الإطار عدة “hindsight views” بآفاق استشراف مختلفة لكل دورة. المنطق وراء ذلك هو أن دورة واحدة قد تبدو صحيحة أو خاطئة بحسب مدى النظرة للأمام — دورة تبدو إيجابية بعدين قد تبدو إشكالية بعد خمس خطوات.
- الاتفاق الاتجاهي عبر الآفاق: من بين وجهات النظر المتعددة، يختار النظام إشارات الإشراف التي تتوافق في اتجاهها عبر آفاق استشراف مختلفة. هذا التصفية يهدف إلى استبعاد الإشارات الضوضائية أو المتناقضة قبل أن تصل إلى مرحلة التدريب.
- التطبيع عبر المسارات المتوازية: إشارة الإشراف المختارة تُطبَّع عبر ما يسمّيه الباحثون “sibling rollouts” — أي مسارات موازية تنطلق من الحالة ذاتها. هذا يوفر سياقاً نسبياً: الإشارة لا تُقيَّم بمعزل بل مقارنةً بما أنتجته مسارات مجاورة في الظروف نفسها.
- التعديل التكيفي لمزايا التعلم المعزز: في الخطوة الأخيرة، تُستخدم الإشارة الإشرافية المُطبَّعة لتعديل مزايا خوارزمية التعلم المعزز بشكل تكيفي، مع الحفاظ على الاتجاه الأصلي للتحسين. هذا التوازن مقصود: الهدف ليس استبدال إشارة التعلم المعزز بل تكثيفها وتوجيهها في المواضع الأكثر أهمية.
ما يميز هذا النهج على المستوى المفاهيمي هو أنه لا يحتاج إلى إجابات صحيحة جاهزة لكل خطوة — وهي رفاهية نادرة في مهام العالم الحقيقي. النظام يتعلم من التسلسل الكامل لما حدث فعلاً: الأداة نُفِّذت، وأعطت نتيجة، والنموذج تصرف بناءً عليها، ثم جاءت خطوات لاحقة كشفت إن كان ذلك التصرف مثمراً أم لا. هذا يقترب من الطريقة التي يتعلم بها البشر من التجربة أكثر من اقترابه من نماذج الإشراف التقليدية.
قيّم الباحثون TurnSight على ثلاثة benchmarks، وأظهرت النتائج فاعلية الإطار في سيناريوهات الاستدلال مع الأدوات ذات الأفق الطويل (وفقاً للورقة البحثية). الكود متاح للعموم ضمن المستودع المرفق بالورقة. الأهمية العملية لهذا العمل تتجاوز الأداء المعياري: مع تصاعد تبني وكلاء الذكاء الاصطناعي في بيئات إنتاجية تعتمد استدعاء أدوات متكرراً — كما يتضح مثلاً في إطار Orchard من مايكروسوفت — تصبح جودة الإشراف على مستوى الخطوة الفردية عاملاً محورياً لا يمكن تجاهله. الإطار يقدم ادعاءً طموحاً: أن الإشراف المكثف والدقيق يمكن توليده من التجربة نفسها، دون الحاجة إلى بيانات تسمية خارجية مكلفة.
