الخلاصة
- قدّمت ورقة على أرخايف في 5 نوفمبر طريقة EnvOpt لتحسين البيئة التي يعمل فيها الوكيل آلياً مع تثبيت النموذج والإطار.
- خفضت الطريقة كلفة Claude Haiku 4.5 على AutomationBench بنسبة 72.7% ورفعت النجاح 14.34%، وانتقلت البيئة نفسها إلى Opus 5.
- تخلص الورقة إلى أن طريقة عرض المعلومات للوكيل تحدد كلفته ونجاحه، فتصبح البيئة هدفاً للتحسين إلى جانب النموذج.
خبر:
خفّضت طريقة جديدة لتحسين بيئات الوكلاء كلفة إنجاز المهام بنسبة 72.7% مع رفع معدل النجاح 14.34% لنموذج Claude Haiku 4.5 على معيار AutomationBench، من دون تغيير في النموذج أو الإطار. تقدّم الورقة، المنشورة على أرخايف في 5 نوفمبر 2026 بتوقيع مينغشوان لي وجوزيف غونزاليس وأليكس ديماكيس وآخرين، طريقة EnvOpt التي تعيد تنظيم البيانات والأدوات المشتركة بين مهام كثيرة. وبلغ متوسط خفض الكلفة عبر خمسة معايير نحو 48%.
تفصيل:
- الفكرة: تحدد الورقة ثلاثة عوامل لكلفة الوكيل ونجاحه: النموذج والإطار والبيئة. وتركزت الأبحاث السابقة على ضبط المعاملات وتحسين الإطار، فيما تضيف الورقة تحسين البيئات الثابتة، أي مساحة عمل Slack في شركة أو مجموعة مصادر بيانات ووثائق وتذاكر تشترك فيها مهام كثيرة.
- الآلية: يشغّل وكيل بحثي، مثل Claude Code أو Codex، الوكيلَ المستهدف على مجموعات تدريب بلا مصححين، ويعدّل البيئة ويبقي التغييرات التي تخفض الكلفة وتحافظ على الدقة بمقاييس بديلة أو باتساق الإجابات. وتحدد مجموعة تحقق منفصلة موعد التوقف، وتُستبعد أي تعديلات على الإطار.
- التعديلات: تشمل برنامجاً يعرض بيانات Gmail نصاً عادياً، وتحويل ملفات xlsx إلى نصوص، وقوائم مرجعية لنقاط النهاية وقوالب الأوامر، وفهرساً واحداً للمسارات والأحجام والأنواع، وقاعدة SQLite تصف الجداول ومصادرها، وبرنامجاً يرتب الملفات الأرجح صلة ببلاغ خلل، وسكربت اختبار آلياً.
- الأرقام: على AutomationBench انخفضت كلفة Haiku 4.5 بنسبة 72.7% وارتفع النجاح 14.34%، وعند نقل البيئة نفسها إلى Opus 5 انخفضت الكلفة 68.1% مع تحسن 1.34%. وفوق إطار Meta-Harness المحسّن انخفضت الكلفة 83.4% إضافية وارتفعت الدقة 11.17% عن الإطار وحده.
- المعايير الأخرى: على Workspace-Bench انخفضت الكلفة 47.65% وارتفع النجاح 3.3%، وعلى Data-Eng-Bench انخفضت 53.44% بلا خسارة في الأداء. وفي مهام مستودع Bleve بلغت الدقة شبه الكاملة في 56.9% من زمن إنجاز gskill، وفي Tenacity ارتفع النجاح 8.9% عن Advisor Models بخطوات أقل.
- ما فشل: تذكر الورقة أن حشد معلومات كثيرة في ملف واحد زاد الاستكشاف، وأن أداة بحث تعيد ملفات كثيرة زادت القراءة، وأن فحص اختبار يناسب بعض مهام التدريب فقط رفض إصلاحات صحيحة، وأن مقاييس بديلة مثل طول الإجابة ومطابقة الكلمات لم تكن موثوقة في الحكم على النتائج.
- المساهمون: يذكر قسم الشكر أن المشروع تعاون بين جامعة شيكاغو ومختبر Sky Computing في بيركلي وBespoke Labs، ويضم المؤلفين هوانزي ماو وتشيويانغ مانغ وهانتشن لي. ولا يحدد الملخص إن كانت مكاسب معدل النجاح نقاطاً مئوية أم نسبة، ولا يذكر رابطاً لإصدار الشيفرة.
ماذا بعد؟
نشر شيفرة EnvOpt وتكرار النتائج على بيئات شركات حقيقية بدل المعايير، وقياس ما إذا كانت الوفورات تنتقل إلى الإنتاج كما انتقلت بين Haiku 4.5 وOpus 5.
