علي بابا تنشر نموذجًا عالميًا مفتوح المصدر يتيح لوكلاء الذكاء الاصطناعي التدريب داخل محاكي

داخل مختبر أبحاث Qwen التابع لشركة علي بابا، يتعلم نموذج جديد من الذكاء الاصطناعي الإجابة على سؤال بسيط بطريقة مخادعة: إذا قام وكيل بعمل X، فماذا يحدث بعد ذلك؟ الإجابة، المشفرة في Qwen-AgentWorld، تتمثل في نموذج لغوي يعمل كمحاكي بيئة عالمي، وقد تفوق للتو على GPT-5.4 في معياره القياسي الخاص. نموذج الذكاء الاصطناعي الخاص بك يدعي أنه يقرأ مليون…

تم إطلاق Qwen-AgentWorld على منصتي Hugging Face وModelScope إلى جانب مجموعة تقييم مرافقة تسمى AgentWorldBench، ويوصف بأنه "نموذج عالمي لغوي أصلي". بعبارات بسيطة، يأخذ إجراء الوكيل (أمر طرفية، استدعاء API، نقرة متصفح) ويتنبأ باستجابة البيئة: مخرجات الطرفية، قيمة إرجاع API، شجرة DOM المحدثة. هذا ليس توليدًا قائمًا على القوالب. يجب على النموذج التفكير سببيًا عبر ست خطوات معرفة نظامية للتنبؤ بسبب فشل خط أنابيب curl، أو الحفاظ على التكامل المرجعي عبر تسعة استدعاءات متسلسلة لـ Notion API. عامل الذكاء الاصطناعي الخاص بك اجتاز الاختبار بالصدفة.…

الهندسة المعمارية التقنية جديرة بالملاحظة. يتوفر Qwen-AgentWorld بمقياسين: نموذج MoE بحجم 35B معلمة (3B نشطة) ونموذج 397B-A17B. تم تدريب كليهما باستخدام خط أنابيب ثلاثي المراحل تصفه الورقة البحثية بأنه "CPT يحقن، SFT ينشط، RL يشحذ". المرحلة الأولى هي التدريب المسبق المستمر (CPT)، الذي يحقن المعرفة البيئية من خلال مسارات غير تفكيرية مستمدة من الحاويات المعزولة، وخوادم MCP، والمحاكيات. الابتكار الرئيسي هنا هو إخفاء الخسارة القائمة على نظرية المعلومات على مستوى الجولة: تحدد الإحصائيات السطحية لكل زوج إجراء-ملاحظة الجولات التي تحمل معلومات بيئية حقيقية، مع إخفاء الباقي من الخسارة مع الاحتفاظ بها كسياق. تطبق المرحلة الثانية الضبط الدقيق الخاضع للإشراف (SFT) لتنشيط التنبؤ بالحالة التالية كنمط تفكير صريح داخل كتل <think>، باستخدام أخذ عينات الرفض لتنظيم 7,094 مسارًا عالي الجودة. تستخدم المرحلة الثالثة التعلم المعزز (تحديدًا GSPO) مع مكافأة هجينة تجمع بين حكم LLM ومحققين قائمين على القواعد للمجالات التي يمكن فيها التحقق من الصحة الدقيقة برمجيًا. مينيماكس الصينية تفتح المصدر لنموذج بسعة مليون رمز…

النتائج على AgentWorldBench مذهلة. سجل نموذج Qwen-AgentWorld-397B-A17B درجة إجمالية قدرها 58.71 عبر خمسة أبعاد تقييم (التنسيق، الدقة الواقعية، الاتساق، الواقعية، الجودة)، متجاوزًا درجة GPT-5.4 البالغة 58.25. على المقياس الأصغر، رفع خط الأنابيب الثلاثي المراحل نموذج Qwen-AgentWorld-35B-A3B من 47.73 إلى 56.39، متجاوزًا Claude Sonnet 4.6 (56.04). تكون الميزة أكثر وضوحًا في مجالات الطرفية (Terminal) وهندسة البرمجيات (SWE)، حيث تتطلب التنبؤات نمذجة دقيقة لحالة تنفيذ التعليمات البرمجية وسلوك أداة API. نماذج الذكاء الاصطناعي لا تستطيع التوقف عن التفكير بصوت…

إلى جانب الدرجات الأولية، توثق الورقة ثلاثة أنماط تفكير ناشئة في 129 أثرًا تفكيريًا تم تحليلها للنموذج. هناك التصحيح الذاتي المتعمد: يستخدم النموذج "انتظر!" كمقاطعة معرفية 1,347 مرة عبر 129 جولة. هناك منع تسرب المعلومات: ما يعادل نظرية العقل حيث يحمل النموذج إجابة مرجعية ويمتنع عمدًا عن الكشف عنها للاستفسارات غير ذات الصلة. هناك التفكير السببي متعدد الخطوات: ربط ست خطوات معرفة نظامية للتنبؤ بفشل خط أنابيب curl. أفق التحقق: لماذا أصبح التحقق من وكلاء البرمجة أصعب من…

تكمن الأهمية الاستراتيجية ليس في نتائج القياس ولكن في التحول النموذجي التدريبي الذي يمثله Qwen-AgentWorld. تبحث الورقة في حالتين استخدام تكميليتين للنمذجة العالمية. الأولى، "Sim RL"، تعامل النموذج العالمي كمحاكي مستقل يحل محل البيئات الحقيقية أثناء تدريب الوكيل RL. في الاختبارات على OpenClaw، وهي منصة وكيل مفتوحة المصدر غائبة تمامًا عن بيانات تدريب النموذج العالمي، أنتج الوكلاء المدربون باستخدام Qwen-AgentWorld-397B-A17B كمحاكي مكاسب كبيرة، بينما أدى استخدام Qwen3.6-Plus كمحاكي إلى تحسن طفيف. "يتعلم الوكيل القليل من التفاعل مع محاكي غير موثوق"، يلاحظ الباحثون. روبوتات تتكيف دون إعادة تدريب؟ هذا الإطار الجديد قد…

النموذج الثاني يوحد الوكيل والنموذج العالمي في نموذج واحد: نفس النموذج الذي يختار الإجراءات يتنبأ أيضًا بحالات البيئة. تظهر النتائج أن الإحماء LWM (تدريب نموذج للتنبؤ بالحالات التالية) ينتقل إلى المهام الوكيلة متعددة الجولات عبر سبعة معايير، بما في ذلك ثلاثة مجالات خارج المجال تمامًا حيث لم ير النموذج أي بيانات تدريب للنموذج العالمي. ظهرت مكاسب +11.3 و+9.7 و+9.0 في هذه المجالات غير المرئية. LeRobot v0.6.0 يتخيّل المستقبل أثناء التدريب، ثم يجعل…

النتيجة الأكثر عملية تتعلق بإمكانية التحكم. استخدام التعليمات باللغة الطبيعية لتشكيل سلوك المحاكي (حقن أخطاء API متقطعة، استجابات مقسمة إلى صفحات، أو إخفاقات جزئية) أنتج تحسنًا بمقدار +3.7 نقطة في Tool Decathlon وقفزة بمقدار +12.3 نقطة في MCPMark. "إمكانية التحكم ليست مجرد عامل في حجم التحسن،" تنص الورقة. "إنها شرط أساسي لكي يعمل Sim RL على الإطلاق في هذا المجال."

الآثار الأوسع هي أن النمذجة العالمية اللغوية تفتح محورًا تكميليًا لتوسيع نطاق الوكلاء العامين إلى ما وراء ما يمكن أن يوفره التفاعل مع البيئة الحقيقية وحده. تظل البيئات الحقيقية هي المعيار الذهبي لتأريض سلوك الوكيل، لكنها مكلفة وبطيئة ولا يمكنها إنتاج الحالات الحدودية التي يمكن للمحاكاة الخاضعة للتحكم حقنها عند الطلب. النموذج العالمي الذي يعمل أيضًا كساحة تدريب، خاصة الذي يتفوق على النماذج الحدودية في معيار الدقة الخاص به، يمكن أن يعيد تشكيل كيفية تعامل الصناعة مع تطوير الوكلاء. هؤلاء الباحثون وجدوا طريقة لجعل وكلاء الذكاء الاصطناعي…