عندما تأتي مهارات الوكلاء بنتائج عكسية، يقلّمها SkillProx مثل النزول التدرجي

أضف مهارة إلى وكيل LLM وعادةً ما يرتفع الأداء. افعل ذلك مئة مرة وقد يحدث العكس: يحمل الوكيل مكتبة من الإجراءات والتحذيرات والإصلاحات، وأصبح جزء كبير منها الآن يثقل كاهله. دراسة أولية نُشرت على arXiv في 7 أغسطس 2026 ترى أن المجال كان بطيئًا في التعامل مع هذه المسألة باعتبارها مشكلة تحسين كما هي بالفعل.

يؤطر SkillProx، من فريق أكاديمي، صيانة المهارات باعتبارها نزولًا تدرجيًا نصيًا. يعدّل الوكيل مهاراته بنفسه، ويقيس النتيجة، ويحتفظ بما يفيد، والأهم أنه يحذف ما لا يفيد. تُبلغ الورقة عن تحسن متوسط في الدقة بمقدار 3.0 نقاط مئوية مقارنة بأقوى خط أساس قائم على التدرج على معايير داخل التوزيع وخارجه، عبر نماذج أساسية متعددة.

المهارات تأتي بنتائج عكسية أكثر مما تُظهر المعدلات

المشكلة التي يستهدفها SkillProx موثقة في سلسلة أعمال مصاحبة على arXiv هذا الصيف. إحدى الأوراق، "The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents"، قارنت وكلاء بمهارات وبدونها عبر ما يقارب 6,000 تشغيل على معيارين لأتمتة المكاتب وثلاث حزم بنى نموذجية. وكانت النتيجة: المهارات تُنتج انحدارات, مهام تُحل بدون مهارة وتفشل مع وجودها, بمعدل كبير بما يكفي لأن يتركز تفوق أفضل مجموعات المهارات غالبًا على هذا المحور. التحسن المتوسط يخفي مشكلة محاسبة ذات اتجاهين.

أنظمة تحرير المهارات الحالية تجعل الأمور أسوأ، كما يرى مؤلفو SkillProx، لأنها تشخّص الإخفاقات دون قياس النتائج، وتتعامل مع الحذف كعملية تحرير عامة. المهارة التي ساعدت يومًا ما يمكن أن تتحول بهدوء إلى مصدر تشتيت، ولا شيء في الحلقة يجبر الوكيل على ملاحظة ذلك.

مرور أمامي، ومرور خلفي، وتراجع

يستعير SkillProx بنية طرق التدرج التقريبي، أداة التحسين الأساسية وراء جزء كبير من التعلم الآلي الحديث، ويطبقها في فضاء النصوص. الاسم هو الفكرة: يُبقى التحديث قريبًا من المهارة السابقة ما لم تبرر النتيجة المقاسة الخطوة.

تعمل المرحلة الأمامية كحلقة مغلقة. يعيد الوكيل تنفيذ التعديلات المدفوعة بالتشخيص على نفس دفعة المهام، ويقيس ما تغيّر، ويتراجع عن التعديلات التي أنتجت انحدارات. تلك النتائج تغذي الجولة التالية من التشخيص، فلا يخمّن الوكيل سبب فشل المهارة.

المرحلة الخلفية هي حيث يختلف الإطار عن أسلافه. تُفكك المهارة إلى وحدات معرفية قابلة للتدقيق، ويُقدَّر مساهمة كل وحدة عبر تدقيق فائدة جامد بطريقة الإقصاء الواحد تلو الآخر: أزلها، وأعد التشغيل، ونسب الفرق. ثم تحدد بوابة تحقق ما إذا كانت الوحدة سيتم دمجها أو تخفيض مرتبتها أو إزالتها. يتوقف الحذف عن كونه تعديلًا روتينيًا ليصبح آلية مخصصة لإبقاء المعرفة المتراكمة صادقة.

موسم حافل بإدارة المهارات

يأتي SkillProx في مرحلة مزدحمة من الأبحاث حول الوكلاء ذاتية التطور. يستخرج SkillCoach معايير عملية قائمة على المهارات من عمليات تشغيل حقيقية لتقييم مدى التزام الوكلاء بالمهارات التي يحملونها. يقدم OPID إشرافًا على مستوى الرموز مقطرًا على السياسة، دون ذكريات المهارات الخارجية التي اعتمدت عليها الإصدارات السابقة. يضغط SkillZip مكتبات المهارات المتضخمة عبر اكتشاف بنية قابلة لإعادة الاستخدام دون تشغيل تقييمات.

مساهمة SkillProx تشير في الاتجاه الآخر. فبدلًا من تقييم استخدام المهارات أو تقليص الملفات، يجعل الإزالة عملية من الدرجة الأولى بنفس صرامة الإضافة. الهدف المركب الذي يحسّنه يوازن بين خسارة المهمة وتعقيد المهارات، وهو طريقة أخرى للقول إنه لا ينبغي للوكيل أن يحمل مهارة تكلف أكثر مما تعود به.

الأرقام، والأجزاء التي لا تغطيها الورقة

التحسن المعلن البالغ 3.0 نقاط مئوية يُقاس مقابل "أقوى خط أساس قائم على التدرج"، وتُنسب نتائج إزالة المكونات إلى شقي التصميم معًا: التشخيص ذو الحلقة المغلقة والتنقيح التقريبي. لا تذكر الدراسة الأولية أسماء نماذج LLM الأساسية التي اختبرتها، لذا فإن مدى نجاح نقل الآلية عبر عائلات النماذج يُترك للورقة الكاملة ولإعادة التكرار.

ما إذا كانت تعديلات SkillProx تظل آمنة مع نمو المكتبات، وما إذا كان تدقيق الإقصاء الواحد تلو الآخر يتوسع ليشمل مجموعات مهارات كبيرة جدًا، سؤالان مفتوحان لا تحسمهما الدراسة الأولية. كما أنها لا تذكر شيئًا عن إصدار الكود.

ما تشير إليه هذه الأعمال هو تحول في كيفية تعامل المجال مع ذاكرة الوكلاء. لم تعد المهارات تُتراكم فحسب، بل تُدار وتُقاس وتُقلَّم، بنفس الانضباط المطبق على الأوزان. الوكيل الذي ينسى عمدًا قد ينتهي به الأمر متفوقًا على الوكيل الذي يتذكر كل شيء.