ALTK-Evolve من IBM يتصدر τ²-bench بدقة 67.5% دون تحديث أوزان النموذج
بقلم علي المنتصر — محلل ومحرر تقني أول
أعلنت IBM Research عن ALTK-Evolve، نظام ذاكرة مُتعلَّمة يرفع وكيل خدمة عملاء مبني على GPT-4.1 إلى 67.5% في مقياس Pass^4 على τ²-bench للتجزئة، متصدراً كل نماذج الحدود في لوحة 12 أكتوبر 2026. يحقق النظام ذلك بإضافة قواعد سلوكية مستخلصة آلياً إلى موجه النظام دون تحديث أوزان أو تعليق بشري، وبزيادة تكلفة إدخال من 0.084$ إلى 0.139$ لكل محادثة. مع GPT-5.5 يبلغ 82.0% Pass^4 في مجال الطيران، متجاوزاً نطاق 66–72% لنماذج الحدود.
الموجز الإحصائي السريع
أعلنت IBM Research عبر مدونة Hugging Face الرسمية عن ALTK-Evolve، نظام ذاكرة مُتعلَّمة يرفع وكيل خدمة عملاء قياسي مبني على GPT-4.1 إلى 67.5% Pass^4 على مقياس τ²-bench للتجزئة، متصدراً كل نماذج الحدود في لقطة لوحة الصدارة بتاريخ 12 أكتوبر 2026. النظام متاح فوراً كمكتبة مفتوحة المصدر على GitHub، ويعمل دون تحديث أوزان النموذج أو تعليق بشري.
📊 بطاقة البيانات والمواصفات التقنية الرسمية
| المحور التقني | البيانات الرسمية المؤكدة |
|---|---|
| 💰 الأسعار وتكلفة الاستخدام | تكلفة المحادثة الواحدة (وكيل + محاكي مستخدم، 4 محاولات): التجزئة 0.084$ أساس / 0.095$ sup3 (+12%) / 0.139$ lossless (+65%)؛ الطيران 0.081$ أساس / 0.097$ sup3 (+19%) / 0.107$ lossless (+32%). المكتبة مجانية مفتوحة المصدر. |
| 🌐 المنصات والتوفر الفوري | مكتبة مفتوحة المصدر على GitHub (AgentToolkit/altk-evolve)؛ مقياس τ²-bench على GitHub (sierra-research/tau2-bench)؛ توثيق عبر مدونة IBM Research على Hugging Face. |
| ⚡ الأداء ومؤشرات السرعة | التجزئة (GPT-4.1): Pass^4 = 67.5% (+10.0 نقطة)، الدقة 82.5% (+4.4). الطيران (GPT-4.1): Pass^4 = 45.0% (+10.0)، الدقة 65.0% (+7.5). الطيران (GPT-5.5): Pass^4 = 70.0% (+15.0)، الدقة 82.5% (+10.0). لوحة الصدارة: 82.0% Pass^4 للطيران مع GPT-5.5. |
| 🛡️ الأمان ومقاومة الاختراق | لا توجد تصريحات أمنية صريحة في البيان؛ يعمل النظام ضمن سياسات المجال المكتوبة في τ²-bench، ولا يتطلب تسريب بيانات اختبار (no test-set leakage) ولا تعليقاً بشرياً. |
| 🧠 سياق الذاكرة (Context Window) | حجم دليل القواعد: 292 قاعدة (lossless) للتجزئة، 101 قاعدة (lossless) للطيران، 31 قاعدة (sup3) للتجزئة، 14 قاعدة (sup3) للطيران، 103 قاعدة (sup2) و146 قاعدة (lossless) لـ GPT-5.5 في الطيران. تُضاف كقائمة Markdown إلى موجه النظام. |
| 🌍 دعم اللغة العربية والمنطقة | لم يُذكر دعم عربي صريح في البيان؛ النظام يعتمد على GPT-4.1/GPT-5.5 كنماذج أساس، وقابلية النقل للعربية تعتمد على قدرات النموذج الأساسي. المكتبة متاحة عالمياً عبر GitHub. |
تفاصيل الإعلان والميزات التقنية الجديدة
يعتمد ALTK-Evolve على معمارية ذاكرة مُتعلَّمة على مستوى الموجه: يحلل النظام محاولات الوكيل على مهام التدريب في τ²-bench، ويستخدم النموذج نفسه (GPT-4.1) لتقطير النجاحات والإخفاقات في قواعد سلوكية قصيرة — مثل كيفية مصادقة العميل أو تأكيد معاملة أو معالجة إرجاع. تُضاف هذه القواعد بعد سياسة المجال كقائمة Markdown عادية إلى موجه النظام، بينما يبقى كل شيء آخر (السياسة، الأدوات، هيكل ReAct) كما هو في τ²-bench الأصلي. كل قاعدة تحمل عدّاد دعم (support count) يمثل عدد مهام التدريب المتميزة التي استُخلصت منها، ما يسمح بثلاث تهيئات: baseline (صفر قواعد)، sup3 (دعم ≥ 3، نواة صغيرة عالية الثقة: 31 قاعدة للتجزئة و14 للطيران)، وlossless (كل القواعد: 292 للتجزئة و101 للطيران).
يُقاس الأداء بمقياسين: Mean Accuracy (متوسط معدل النجاح عبر 4 محاولات) وPass^4 (نسبة المهام التي نجحت في المحاولات الأربع كلها)، وهو المقياس الذي تعتمده لوحة τ²-bench لأنه يعكس الموثوقية الفعلية لوكيل خدمة العملاء. النتائج على مجموعة الاختبار المعزولة: في التجزئة (40 مهمة) ارتفعت الدقة من 78.1% إلى 82.5% (+4.4) وPass^4 من 57.5% إلى 67.5% (+10.0)؛ وفي الطيران (20 مهمة) ارتفعت الدقة من 57.5% إلى 65.0% (+7.5) وPass^4 من 35.0% إلى 45.0% (+10.0).
الميزة التشغيلية الأبرز: المكسب لا يأتي من محادثات أطول. على المجموعة المشتركة من المهام المحلولة في الحالتين، يقلّ عدد أدوار الوكيل بمقدار 0.3–0.4 دور في المجالين (التجزئة 10.59 → 10.16، الطيران 9.15 → 8.82)، ما يعني زمن إنجاز أقل للعميل وتكلفة إدخال أعلى فقط — وهي تكلفة قابلة للاسترداد جزئياً عبر التخزين المؤقت للموجهات لأن كتلة القواعد ثابتة في كل نداء.
المقارنة المعيارية والأداء التنافسي
على مجموعة الاختبار الكاملة (train ∪ test) كما تشترط τ²-bench، يتصدر ALTK-Evolve مجال التجزئة بـ Pass^4 = 67.5%، متقدماً على كل نماذج الحدود وعلى RAFT-30B-A3B (61.4%) — وهو نموذج مُضبوط بدقة على بيانات تجزئة اصطناعية — بفارق +6.1 نقطة، رغم استخدام GPT-4.1 القياسي وذاكرة موجهية فقط. في مجال الطيران، تحقق النواة المدمجة sup3 مع GPT-4.1 نسبة 44% (المركز الثامن)، متجاوزة GPT-5.2 (بدون استدلال) ومقاربة لـ Claude Sonnet 4.5. باستبدال النموذج الأساسي بـ GPT-5.5، يبلغ النظام 82.0% Pass^4 متجاوزاً كل نماذج الحدود التي تتراوح بين 66% و72%. مع GPT-5.5 على مجموعة الاختبار المعزولة، ارتفع Pass^4 من 55.0% إلى 70.0% (+15.0) والدقة من 72.5% إلى 82.5% (+10.0)، وأظهر إعداد lossless استقراراً تاماً بين إعادات التشغيل.
ماذا يعني هذا للمطور والمستخدم العربي؟ (The Localization Edge)
يمثل ALTK-Evolve تحولاً في اقتصاديات بناء وكلاء خدمة العملاء بالعربية: بدلاً من ضبط دقيق مكلف لنموذج عربي متخصص، يمكن للمطور في الخليج أو شمال أفريقيا استخلاص دليل قواعد سلوكية من محاولات وكيله على بيانات محلية، وإضافته إلى موجه النظام بتكلفة إدخال إضافية تتراوح بين 12% و65% لكل محادثة (0.084$ → 0.139$ في التجزئة). هذا يعني أن مشروعاً ناشئاً يمكنه الوصول إلى موثوقية Pass^4 عالية دون تدريب نماذج، مع الاستفادة من التخزين المؤقت للموجهات لتقليص التكلفة الفعلية. التحدي العربي الأساسي هو كفاءة التوكنز: القواعد المكتوبة بالعربية تستهلك توكنز أكثر من الإنجليزية، لذا يُنصح بكتابة دليل القواعد بالإنجليزية أو بصياغة مضغوطة، مع الاعتماد على قدرات GPT-4.1/GPT-5.5 متعددة اللغات في فهم نصوص العملاء العربية. حالات الاستخدام العملية تشمل وكلاء الدعم للتجارة الإلكترونية (إرجاع، استرداد، تتبع طلبات) ووكلاء حجز الطيران، حيث تثبت الأرقام أن المكسب في الموثوقية (+10 إلى +15 نقطة Pass^4) يتفوق على تكلفة الإدخال الإضافية.
الخلاصة والتطلعات القادمة
يقدم ALTK-Evolve دليلاً قوياً على أن الذاكرة على مستوى الموجه يمكنها منافسة الضبط الدقيق وتجاوز نماذج الحدود في مهام خدمة العملاء المقيدة بالسياسات، دون تحديث أوزان أو تعليق بشري. الأرقام الحاسمة — 67.5% Pass^4 في التجزئة، 82.0% في الطيران مع GPT-5.5، وتكلفة 0.084$–0.139$ لكل محادثة — تجعل النظام خياراً عملياً للمطورين. الخطوة التالية المنتظرة هي توسيع التجارب إلى مجالات جديدة وتوثيق أداء التخزين المؤقت للموجهات في بيئات الإنتاج، مع متابعة تحديثات لوحة τ²-bench عبر مستودع Sierra Research.
المصدر الإعلامي: Hugging Face | البيان الرسمي للشركة: المصدر الأصلي | تدقيق وتحليل البيانات: AI Tools Oasis
أسئلة شائعة
فريق AI Tools Oasis
نقدم لك أحدث الأخبار والتحليلات في عالم الذكاء الاصطناعي بدقة ومصداقية. تابعنا للحصول على كل جديد.
