---
title: باحثون من Google يطورون طريقة لمنع وكلاء الذكاء الاصطناعي من الحفظ الصم أثناء التحسين الذاتي
url: https://www.dataloco.com/ar/bahthon-mn-google-ytoron-tryk-lmnaa-oklaaa-althkaaa-alastnaaay-mn-alhfth-alsm-athnaaa-althsyn-althaty
published: 2026-10-07T12:58:38+00:00
language: ar
section: الذكاء الاصطناعي
source: https://the-decoder.de/wie-google-forscher-verhindern-wollen-dass-sich-selbst-verbessernde-ki-agenten-nur-auswendig-lernen/
organizations: Google Cloud AI Research
publisher: Dataloco
---

# باحثون من Google يطورون طريقة لمنع وكلاء الذكاء الاصطناعي من الحفظ الصم أثناء التحسين الذاتي

يسعى باحثون من Google Cloud AI Research وبالتعاون مع عدة جامعات إلى منع وكلاء الذكاء الاصطناعي الذين يحسنون بيئات عملهم ذاتيا من التخصص المفرط في مهام الاختبار، وذلك من خلال منهجية جديدة تهدف أيضا إلى تقليل تكاليف الحوسبة.

تعتمد وكلاء الذكاء الاصطناعي الحديثة على ما يسمى بالهيكل، وهو إطار يتكون من المطالبات، وخطط سير العمل، والأدوات، والذاكرة، والتحكم في ما يراه النموذج في كل خطوة. ويحدد هذا الهيكل قدرة الوكيل على قراءة الملفات الصحيحة قبل تعديلها، والتعافي من الأخطاء، وتقديم النتائج بدقة. ويوضح بحث جديد أن معظم التقدم الأخير في الوكلاء نتج عن تطوير هذا الهيكل وليس عن نماذج جديدة، حيث كانت هذه العملية تتم يدويا من خلال مراجعة البشر للمحاولات الفاشلة وتعديل الهيكل.

وتعمل الطرق الحديثة على أتمتة هذه الحلقة عبر استخدام نموذج لغوي يقوم بتغيير الهيكل بشكل متكرر بناء على تعليقات من مهام الاختبار، وهو ما يصفه الباحثون بأنه شكل عملي من التحسين الذاتي العودي. ومع ذلك، يشير البحث إلى أن هذا التحسين الذاتي يؤدي إلى قيام الوكيل بحفظ مهام الاختبار صما بسبب استخدام مجموعة محدودة من المهام، مما يرفع الأداء في مهام التدريب بينما تتقلص المكاسب أو تختفي تماما في المهام الجديدة غير المرئية.

ولمعالجة ذلك، تم تقديم طريقة تسمى التحسين الذاتي العودي المنظم للهياكل، والتي تضع قيودا على اقتراح التغييرات الجديدة من خلال ميزانية تحدد عدد التعديلات المستقلة التي يمكن دمجها، وتتناقص هذه الميزانية بمرور الوقت. كما يتذكر النظام المحاولات السابقة لتجنب تكرار الأفكار غير الناجحة، ويقوم بالتجربة في أجزاء غير ملموسة من الهيكل عند توقف التقدم. بالإضافة إلى ذلك، يقوم ناقد بفحص كل اقتراح واستبعاد تلك التي تدمج حلا أو خدعا خاصة بمهام الاختبار، ولا يتم قبول زيادة تكاليف الحوسبة إلا إذا كانت تقابلها زيادة ملموسة في الأداء.

تم اختبار هذه الطريقة على ثمانية معايير في مجالات البرمجة، والعمل المكتبي الوكالي، والتصميم الهندسي، باستخدام نموذج Claude Opus 4.8 المجمد. وأظهرت النتائج أن هذه الطريقة حققت زيادة تصل إلى 14.1 نقطة في مهام التدريب، وما يصل إلى 4.7 نقطة في خمسة معايير غير مرئية، مع استهلاك أقل للرموز بنسبة 30 بالمئة تقريبا مقارنة بالنسخة غير المنظمة. ولم ينخفض الأداء الإجمالي في أي من المعايير غير المرئية عن القيمة الأصلية.

كما أثبتت التجارب أن الهيكل المحسن يفيد النماذج الأضعف، حيث أدى هيكل برمجة تم تحسينه بواسطة Gemini 3.5 Flash إلى رفع دقة نموذج Gemini 3.1 Flash Lite من 11.2 إلى 14.6 نقطة. وأقر المؤلفون بأن دراستهم اقتصرت على الهياكل ذات النماذج الثابتة ولم تغط حالات تغيير أوزان النماذج.

## This story in other languages

- [Indonesia](https://www.dataloco.com/id/peneliti-google-mengembangkan-metode-untuk-mencegah-agen-kecerdasan-buatan-menghafal-tugas-uji)
- [Italiano](https://www.dataloco.com/it/ricercatori-di-google-sviluppano-metodo-per-evitare-che-gli-agenti-di-intelligenza-artificiale-memorizzino-i-test)
- [Svenska](https://www.dataloco.com/sv/google-forskare-utvecklar-metod-for-att-forhindra-att-ai-agenter-memorerar-testuppgifter)
- [Polski](https://www.dataloco.com/pl/badacze-google-opracowali-metode-zapobiegajaca-zapamietywaniu-zadan-przez-agentow-sztucznej-inteligencji)