أوتوفين: بديل عن إعادة تدريب النماذج يرفع أداء الوكلاء في الرياضيات والأمن السيبراني

ما الجديد في ورقة AutoFyn؟

قدّمت ورقة تقنية جديدة على arXiv إطارًا يُدعى AutoFyn، وهو «حاضنة وكلاء» مستوحاة من خوارزمية تكرار الخبير (Expert Iteration). الفكرة المركزية: بدل تعديل أوزان النموذج، تُحدَّث حالة دائمة (persistent state) عبر جولات متعددة باستخدام إشارات مكافأة موثّقة.

كل جولة تبدأ من جلسة نموذج جديدة، وتُعاد المعلومات الدائمة فقط عبر واجهات صريحة مثل ملفات الذاكرة والتقارير وحالة المستودع. داخل الجولة، يستكشف منسّق (orchestrator) ويخطط ويبني مسارات بديلة بوكلاء متخصصين، بينما يتحقق مُدقّق مرتبط بالمهمة من العمل ويوفّر مكافأة موضوعية تُقطَّر لاحقًا في الحالة الدائمة.

النتائج في ثلاثة مجالات

المجال	النتيجة المعلنة
أولمبياد الرياضيات الدولي 2026	كل نموذج لديه مجال للتحسين سجّل نتيجة أعلى تحت AutoFyn مقارنة بوكيل البرمجة الخاص بمزوّده
علوم البيانات (Spider 2.0 dbt)	بنى الوكيل المتصدر في المعيار
الأمن السيبراني	16 تنبيهًا أمنيًا مؤكدًا من المشرفين في Next.js وMetaMask وpnpm وWarp وLiteLLM وLangflow وOpen WebUI

لماذا يهم هذا مؤسسيًا؟

معظم فرق الذكاء الاصطناعي في المنطقة تعمل بموارد حسابية محدودة ولا تستطيع إعادة تدريب نماذج كبيرة بشكل متكرر. مقاربة AutoFyn تقترح مسارًا بديلًا: تحسين السلوك عبر الذاكرة والتحقق بدل الأوزان، ما يخفض التكلفة ويجعل التتبع والتدقيق أسهل — وهي أولوية في القطاعات المنظّمة كالمال والحكومة.

حالات استخدام محتملة في المنطقة

• مراجعة الكود واكتشاف الثغرات في فرق الهندسة المحلية، على غرار نتائج المشاريع مفتوحة المصدر.
• تحليل البيانات وتحويلات dbt لفرق البيانات في البنوك والاتصالات.
• الوكلاء طويلي الأفق في الامتثال والتدقيق حيث يلزم سجل تحقق واضح.

ما ينبغي الحذر منه

الورقة تقرير تقني أولي، والنتائج المعلنة ذاتية المصدر ولم تخضع بعد لتحكيم مستقل أو تكرار واسع. كما أن الاعتماد على «مُدقّق مرتبط بالمهمة» يعني أن جودة المكافأة تحدد جودة التحسين — وهو ما يستدعي تحققًا داخليًا قبل أي نشر إنتاجي.

ملاحظة للمراجعة البشرية: هذا ملخص تحريري لورقة arXiv أولية؛ يُنصح بالرجوع إلى النص الأصلي والتحقق من النتائج قبل النشر أو الاعتماد التشغيلي.