الوكلاء الأذكياء طويلو الأمد ينسون قواعدهم الأمنية بسرعة مقلقة

اطلب من وكيل ذكاء اصطناعي أن يُلخّص ذاكرته خمس مرات متتالية، وقد لا يتبقى لديه شيء يُذكر مما مُنع من فعله. دراسة جديدة تكشف أن ميزة /compact المدمجة في Claude Code، العاملة على نموذج Sonnet 4.6، تحتفظ بـ10% فقط من القواعد الأمنية عبر 20 إعداد وكيل إنتاجي بعد خمس جولات من التلخيص. وبعد جولة واحدة فقط، تنخفض نسبة الاحتفاظ بهذه القواعد إلى 53%.

الورقة البحثية، بعنوان "The Compaction Cliff in Long-Running AI Agent Memory"، قُدّمت إلى أرشيف الأبحاث (arXiv) في 24 أغسطس 2026، وقُبلت للنشر في مؤتمر CIKM 2026 التابع لجمعية الحوسبة (ACM) والمتخصص في إدارة المعلومات والمعرفة. تشخيصها المركزي واضح: عندما تمتلئ نافذة السياق الخاصة بالوكيل، تعمد أدوات الضغط (Compaction) المعتادة إلى تلخيص كل شيء بالمعدل نفسه، فتُعامل قاعدة امتثال بالطريقة ذاتها التي تُعامل بها سجلاً روتينياً من الإجراءات.

هذا يمثل مشكلة لأن القواعد تحتاج إلى صياغة دقيقة لتبقى قابلة للتطبيق، بينما تتحمل السجلات الوقائعية ضغطاً فيه فقدان للمعلومات دون أن يُخلّ ذلك بشيء. ضغط الاثنين بالطريقة نفسها يعني أن التعليمات التي يجب على الوكيل الالتزام بها حرفياً تتدهور بالسرعة نفسها التي تتدهور بها معلومات لا تكاد تهم.

حل قائم على الفرز

يقترح الباحثون إطاراً أسموه "فرز المعرفة" (Knowledge Triage)، مبنياً على ثلاث وظائف: TypeCompact وTypeDecompose وTypeRetrieve. كل واحدة منها تعالج نمط فشل مختلف بدلاً من تطبيق عملية تلخيص واحدة شاملة على ذاكرة الوكيل بأكملها.

TypeCompact هو النتيجة الأبرز: يحافظ على ضعفين إلى أربعة أضعاف عدد القواعد الأمنية مقارنة بأفضل أداة تلخيص أحادية الجولة تعتمد على نموذج لغوي كبير، عند كل نسبة ضغط جرى اختبارها، محتفظاً بنسبة استدعاء (Recall) تبلغ 96% حتى بعد خمس جولات ضغط. وفي مواجهة قواعد الامتثال الطبي تحديداً، تفوّق على أداة الضغط الإنتاجية في Sonnet بدلالة إحصائية قوية (اختبار McNemar المزدوج، حيث القيمة الاحتمالية أقل من 10 أس -8، وحجم العينة 200 حالة).

TypeDecompose يعالج مشكلة مرتبطة: تشتت القواعد أو تشابكها عند تقسيم الذاكرة. ففي ظل التقسيم الموحّد التقليدي، أظهرت 93% من حالات الاختبار خروقات في الترابط المكاني، بمعنى أن أجزاء القاعدة الواحدة المترابطة انتهى بها المطاف مبعثرة. أما مع TypeDecompose، فانخفضت هذه النسبة إلى صفر تماماً.

أما TypeRetrieve، فيتعامل مع دقة الاسترجاع بعد فرز الذاكرة وتخزينها. حقق نسبة استدعاء كاملة بلغت 100% عند أفضل 50 نتيجة (recall@50) على المعيار المستخدم، مقابل 73% فقط لأقوى أداة استرجاع أحادية الجولة معتمدة على نموذج لغوي كبير خضعت للاختبار.

مجموعة بيانات للاختبار عليها

إلى جانب الإطار المقترح، أصدر الفريق مجموعة بيانات أطلق عليها اسم AgentArtifactCorpus، تضم 396,934 إعداد وكيل مستخرجاً من 54,628 مستودعاً عاماً على GitHub. توفّر هذه المجموعة لباحثين آخرين قاعدة واقعية واسعة لاختبار سلوك أنظمة ذاكرة الوكلاء خارج المعايير المختبرية المُعدّة مسبقاً.

بالنسبة للفرق التي تُشغّل وكلاء يعملون في جلسات ممتدة، خصوصاً في مجالات منظّمة مثل الرعاية الصحية أو التمويل، تشير النتائج إلى ثغرة فعلية في الأدوات الحالية. فالتلخيص العام، مهما بلغت قدرة النموذج الذي يقف خلفه، لا يعادل الحفاظ على القواعد المحددة التي يُفترض بالوكيل الالتزام بها.

بعد خمس جولات فقط من الضغط، لا يتبقى من القواعد الأمنية سوى 10% مقابل احتفاظ بنسبة 96% عند استخدام TypeCompact.