هل يمكن تحسين أداء نماذج الذكاء الاصطناعي فقط من خلال تراكم المعلمات بشكل عشوائي واستخدام طاقة الحوسبة؟ قدمت جوجل حلاً جديداً!
في الآونة الأخيرة، أصدرت جوجل رسميًا مشروعها المبتكر في مجال التحسين الذاتي المتكرر (RSI) – إطار Harness² – على شكل كود مفتوح المصدر. يكسر هذا الحل الاعتماد التقليدي على المسارات، ولا يحتاج إلى تعديل أوزان قاعدة النموذج الكبير، حيث يمكن من خلال تحسين الدعامات الخارجية للتشغيل (Scaffold) أن يتحسن أداء النموذج الكبير بشكل كبير. ومن الجدير بالذكر أن نسبة الفريق التقني الأساسي لهذا الإطار هي 78% من الصينيين.
تحدي نقاط ضعف الصناعتين الرئيسيتين: الاستدارة المزدوجة على مستوى المهام ومستوى التحسين
تواجه خطط RSI (التحسين الذاتي المتكرر) السابقة عادةً مشكلتين رئيسيتين: الأولى هي أنها تتركز بشكل سلبي عند عدم وجود إجابة قياسية، والثانية هي أنها سهلة للغاية في التكيف المفرط مع مهمة واحدة. لذلك، قدم Harness² هيكلاً رباعي الطبقات للتكرار الذاتي بشكل مبتكر:
آلية التكرار على مستوى المهمة (آلية الاقتراح-التحري-الدمج): في سياق مفتوح بدون إجابات قياسية، يقوم النظام بإجراء التحققات التفصيلية المتعددة لإجراء التغييرات الفعالة، ثم يدمجها بأمان في منصة التشغيل، مع دعم التوسيع المتوازي لتوسيع مساحة البحث بشكل كبير.
تحسين النوع التكراري (تراكم واستخدام مكتبة الخبرة): يتم تخزين التجارب القيمة خلال عملية التصحيح في مكتبة الخبرة للتحسين المستمر. عند مواجهة مهام جديدة لاحقًا، يمكن للأداة الوصول إلى التجارب السابقة واستخدامها مباشرة، مما يسمح بتطور قدرتها على التحسين بشكل مستمر وفعال.
الأداء الميداني مذهل: ارتفاع تقييمات الأداء بشكل كامل، وقدرة الانتقال بين المجالات ممتازة.
في العديد من اختبارات المعيارات الموثوقة، كانت النتائج الفعلية لـ Harness² مبهرة:
في اختبار WorkBuddy-Bench، ارتفع مؤشر GLM-5 بعد الانضمام إلى الإطار بشكل مباشر بمقدار 11.5 نقطة، حتى أنه تجاوز مؤشر Gemini3.5Flash الأصلي.
في اختبارات متعددة المجالات مثل JobBench وLAB للمعايير القانونية، شهد أداء النموذج تحسنًا ملحوظًا أيضًا؛ ومن خلال نقل مكتبة الخبرات بين المجالات المختلفة، يمكن زيادة الأداء أكثر.
فتح مسار جديد لهندسة الإدراك في الوقت التشغيلي
إن إطلاق هذا الإنجاز يدل على أن الصناعة تتخطى الاعتماد البحت على تكبير معاملات نموذج القاعدة (Scaling Law) التقليدي، وبدأت رسميًا في استكشاف مسار جديد من هندسة الإدراك الوقتي التي تسمح للعناصر بالإدراك الذاتي والإصلاح الذاتي أثناء التشغيل. مع الفتح الكامل لـ Harness²، سيتمكن المطورون من جعل نماذج الذكاء الاصطناعي التي يمتلكونها تتطور باستمرار وتصبح أكثر ذكاءً مع الاستخدام!