DisCo تسجل زيادة بنسبة 134.3% في MLE-bench مع تثبيت النموذج الأساسي

الرقم الذي سينتقل من مسودة arXiv جديدة هو 134.3%. وكيل بحثي يُدعى DisCo، إذا زُوِّد بمكتبة من “المهارات” المقطّرة، يسجّل هذه النسبة الأعلى على MLE-bench مقارنة بالوكيل نفسه من دونها، وفقاً لمؤلفي الورقة. أما بقية الملخص فهي معمارية، والأرقام لا معنى لها إلا في سياقها.

الادعاء يقوم على ما لم يتغيّر

تقرير المسودة، بعنوان Repo-To-Skill: Distilling GitHub Repositories Into AI4AI Skills، يقول إن DisCo ينشئ المهارات ويستخدمها أثناء البحث على حد سواء. وتصف مسارين للتقطير. التقطير غير المرتبط بالمهمة يختزل المستودعات واسعة الاستخدام إلى مهارات قابلة لإعادة الاستخدام؛ أما التقطير الموجّه بالمهمة فينتج المهارات التي تتطلبها مهمة محددة. وعند تشغيله عبر المنظومة المفتوحة، ينتج المسار الأول مكتبة AREX-Skill Library: أكثر من 5,000 مهارة تم التحقق منها مقطّرة من 1,000 مستودع واسع الاستخدام لتعلّم الآلة، منظّمة في 20 مجالاً و178 عائلة قدرات.

هذه المكتبة نصف الادعاء فقط. فالمكاسب المبلّغ عنها تأتي مع تثبيت نموذج GPT-5.5 الأساسي، وإطار البحث، وميزانية التنفيذ اللاحقة كلها. هذه الجملة تحمل حجة الورقة. فإذا لم يتغيّر شيء آخر سوى السياق المُضاف، فإن الفرق يعود إلى المهارات لا إلى نموذج أكبر أو تشغيل أطول. ويقول المؤلفون ذلك بوضوح: المكاسب تأتي من إضافة سياق تشغيلي مقطّر في ظل ذلك الإعداد الثابت.

الطبقة المفقودة التي تسميها الورقة المعرفة التشغيلية

الأطروحة المركزية للورقة تتعلق بما لا يملكه الوكيل. فهي لا تدّعي وجود مخطط أفضل أو وحدة ذاكرة أفضل. بل ترى أن الدراية التي تفصل معرفة طريقة ما عن جعلها تعمل تقع خارج الوكيل بالكامل، في طبقة يسميها المؤلفون المعرفة التشغيلية. وبنية الوكيل، في وصفهم، تجمع نموذجاً أساسياً مع إطار للتخطيط والتنفيذ والذاكرة والتحقق. والمعرفة التشغيلية هي ما يفتقده الإطار حتى الآن.

هذه المعرفة ليست غائبة عن المجال، وفقاً للمسودة. فهي تظهر في المستودعات والأوراق البحثية، مكتوبة لقرّاء من البشر وكبيرة جداً بحيث لا يمكن تحميلها خلال مهمة واحدة. والتقطير هو الحل: تقليصها إلى مهارات مدمجة ومتحقَّق منها يعاد استخدامها عبر المهام بدلاً من إعادة اكتشافها في كل تشغيل.

أربعة اختبارات معيارية، بلا قاعدة مشتركة

يذكر الملخص أربع مكاسب، تتراوح بين كبيرة ومتواضعة.

الاختبار المعياري	المكسب المبلّغ عنه، مع المهارات مقابل بدونها
MLE-bench	أعلى بنسبة 134.3%
PaperBench	أعلى بنسبة 34.4%
FrontierCS	أعلى بنسبة 9.2%
PassNet	أعلى بنسبة 14.0%

لا يوضح الملخص ما يقيسه كل اختبار معياري، ولا ما كانت عليه درجات القاعدة، ولا كيف حُسبت كل نسبة مئوية، لذا لا يمكن قراءة الأرقام الأربعة بعضها مقابل بعض. فالفرق الكبير في اختبار واحد لا ينتقل إلى فرق صغير في اختبار آخر، وقد يعكس هذا التفاوت المهام، أو طريقة التقييم، أو كليهما. كما لا يقدّم الملخص درجات مطلقة، وهي التفصيل الذي قد يُظهر ما إذا كان تحسّن بنسبة 134.3% يقوم على قاعدة ضعيفة.

مسودة بحثية، لا نتيجة مُكرَّرة

هذا تقديم واحد، مُدرَج ضمن علوم الحاسوب والذكاء الاصطناعي ومَنشور على arXiv في 2 سبتمبر 2026. ولا تحمل المواد المتاحة أي سجل لمراجعة الأقران، ولم تُعِد أي مجموعة مستقلة إنتاج الأرقام. فالقياسات خاصة بالمؤلفين، وأُخذت على نظامهم الخاص ضمن إطارهم الخاص. وهذا لا يجعلها خاطئة. لكنه يجعلها ادعاءً ينبغي اختباره لا نتيجة يُستشهد بها.

التفصيل الذي ينبغي مراقبته عندما يحاول أحدهم إعادة إنتاج هذا ليس نسبة 134.3%. بل ما إذا كانت مكتبة مهارات مجمّدة تنتقل إلى نموذج أساسي مختلف. فالتجربة المذكورة هنا تثبّت النموذج الأساسي، وهي طريقة نظيفة لعزل تأثير السياق، لكنها لا تستطيع بمفردها أن تُظهر أن السياق ينتقل.

ما إذا كانت المهارات تثبت كطبقة معمارية

تضع المسودة المهارات إلى جانب النموذج الأساسي والإطار كموقع ثالث لتخزين الدراية، وهو موقع لا تغطّيه الأوزان ولا الهياكل الداعمة حالياً. وما إذا كان هذا الموقع يصمد سؤال يتركه الملخص مفتوحاً. فهو لا يسمّي أنظمة منافسة، ولا يقول ما إذا كانت جهود أخرى لأتمتة البحث تعمل على الطبقة نفسها أو تعيد دفع المشكلة إلى داخل النموذج.

ما تقدّمه فعلاً هو شكل قابل للاختبار. إذا كان يمكن تقطير المعرفة التشغيلية والتحقق منها وإعادة استخدامها، فجزء من أسباب نجاح وكيل البحث يعود إلى مشكلة مكتبة لا إلى مشكلة تدريب. وألف مستودع و5,000 مهارة نقطة بيانات واحدة لهذه الفكرة، نشرها الأشخاص الذين بنوا المكتبة.

نسبة 134.3% هي الإعلان. أما المتغيّرات المثبّتة فهي الجزء الذي يمكن لمن يعيد الإنتاج أن يتحقق منه فعلاً.