باحثون من UCSB وMicrosoft يطلقون إطار ScholarEvolve لتطوير الوكلاء ذاتيًا
إطار ScholarEvolve يقرأ الأوراق العلمية ويعدّل شيفرة الوكيل تلقائيًا، مع تحسينات على اختبارات AppWorld وtau-Bench Telecom.
أطلق باحثون من جامعة كاليفورنيا، سانتا باربرا (University of California, Santa Barbara) وشركة Microsoft إطار عمل يُدعى ScholarEvolve، وذلك عبر أرشيف إلكتروني. يهدف الإطار إلى تمكين وكلاء الذكاء الاصطناعي من قراءة الأوراق البحثية وتعديل شيفرتهم البرمجية بأنفسهم لتحسين الأداء، وفق ما نشره موقع aitimes.com.
يعمل ScholarEvolve عبر البحث عن أوراق أكاديمية في arXiv، ثم يقوم وكيل بحثي بقراءتها والتحقق من الشيفرة الرسمية المرافقة لها، قبل أن يتولى وكيل برمجي تنفيذ التعديلات. ويقسم الإطار الوكيل إلى خمس وحدات: واجهة الأدوات، وإدارة السياق، والمهارات، والذاكرة، وسير العمل. ويقيّم التغييرات المرشحة على بيانات التحقق، ولا يستبدل التكوين الحالي إلا بعد تأكيد التحسن على مستوى النظام بأكمله.
نتائج الاختبارات
على اختبار AppWorld العادي، ارتفع معدل إتمام المهام لدى نموذج Qwen3.5-27B من 69.0% إلى 81.4%. ووفق الباحثين، قلّص ذلك الفجوة في الأداء مع GPT-5.4 بنحو 74%. وفي اختبار tau-Bench Telecom، تحسّن GPT-5.4 mini من 72.7% إلى 81.9%.
وفي اختبار AppWorld Challenge باستخدام واجهات برمجة تطبيقات Amazon وGmail غير المرئية سابقًا، ارتفع أداء وكيل Qwen3.5-27B من 49.6% إلى 63.6%، متجاوزًا إطار Meta-Harness بفارق 9 نقاط مئوية. كما أكمل الوكيل المحسّن 59.9% من المهام في الحالات التي واجهت فيها أخطاء تنفيذ Python، مقابل 44.9% للتكوين الأصلي.
أُجريت ثلاث جولات من التطوير مع الإبقاء على أوزان نموذج Qwen وبيانات المهام الحالية دون تغيير، وقد تحسن أداء AppWorld في كل جولة.
أسئلة سريعة
ما هو إطار ScholarEvolve؟
إطار طوره باحثون من جامعة كاليفورنيا، سانتا باربرا وMicrosoft، يتيح للوكلاء قراءة الأوراق البحثية على arXiv وتعديل شيفرتهم لتحسين الأداء.
ما النماذج التي تم اختبارها مع ScholarEvolve؟
Qwen3.5-27B وGPT-5.4 mini، إلى جانب مقارنة مع إطار Meta-Harness.
كيف تحسنت نتائج AppWorld؟
ارتفع معدل إتمام المهام لنموذج Qwen3.5-27B من 69.0% إلى 81.4% في الاختبار العادي، ومن 49.6% إلى 63.6% في اختبار التحدي.