إطار عمل جديد لوكلاء الويب يرفع نجاح المهام الطويلة بنسبة 13.8%

المشكلة الأصلية

وكلاء الويب (Web Agents) المبنية على النماذج اللغوية الكبيرة (Large Language Models) غالباً ما تنهار كلما طال أمد المهمة. تخيل عملية حجز تتطلب عشر نقرات متتالية: كل نقرة فرصة جديدة للنموذج ليبني افتراضاً خاطئاً بصمت، وحين يظهر الخطأ على السطح تكون الخطة كلها قد انحرفت عن مسارها.

ورقة بحثية جديدة تقدّم "FCPAgent"، إطار تخطيط صُمم خصيصاً لرصد هذا الانحراف قبل أن يتراكم. بدل ترك الوكيل ينفّذ خطته على أمل أن تصمد كل خطوة، يفكك الإطار الخطة إلى ما يسميه الباحثون "وحدات الالتزام القابلة للتفنيد" (Falsifiable Commitment Units - FCUs)، وهي افتراضات منفصلة يمكن اختبارها فعلياً في مواجهة الأدلة كلما تقدمت المهمة.

الآلية الأساسية هي وحدة اختبار التزام هجينة. تجمع بين فحص خفيف لمطابقة الأدلة، مفيد لرصد الأخطاء الواضحة بتكلفة منخفضة، وخطوة تحقق تشخيصي أثقل تعتمد على النموذج اللغوي الكبير وتُستخدم فقط في الحالات الملتبسة. هذا المزيج يمنح الوكيل فرصة لاكتشاف التزام خاطئ في وقت مبكر، بدل اكتشافه بعد خطوات عديدة لاحقة.

أين تظهر المكاسب

في الاختبارات على "WebArena"، المعيار القياسي لتقييم وكلاء التصفح الذاتي على الويب، سجّل FCPAgent تحسناً نسبياً بلغ 13.8% في متوسط معدل النجاح مقارنة بأقوى نموذج مرجعي في المقارنة.

لم يكن التحسن موزعاً بالتساوي بين أنواع المهام. تشير الورقة إلى أن تفوّق FCPAgent يتّسع بالتحديد في المهام طويلة الأمد، أي سلاسل العمل متعددة الخطوات التي تتعثر فيها الوكلاء المرجعية تاريخياً أكثر من غيرها. وهذا يتوافق مع فرضية الإطار الأساسية: كلما طال الوقت الذي يعمل فيه الوكيل على افتراضات خاطئة دون أن يلاحظ أحد ذلك، زادت أهمية رصدها مبكراً.

لماذا يهم هذا التمييز

معظم الأبحاث المتعلقة بموثوقية الوكلاء ركّزت حتى الآن على تخطيط أفضل أو استخدام أدوات أكثر ثراءً. أما FCPAgent فيوجّه بوصلته نحو التحقق (Verification)، معاملاً كل خطوة تخطيطية كدعوى قابلة للاختبار لا كافتراض يُنفَّذ على سبيل الثقة العمياء.

اكتشاف الالتزامات الخاطئة يزداد أهمية كلما طال الوقت الذي يعمل فيه الوكيل على افتراضات فاسدة قبل أن ينتبه أحد

لهذا التوجه انعكاسات عملية على من يبني وكلاء ويب في بيئات إنتاجية، حيث يمكن لخطوة واحدة غير مفحوصة في سلسلة عمل طويلة، كخطأ في حقل نموذج أو قراءة خاطئة لحالة صفحة، أن تُخرج الجلسة بأكملها عن مسارها بصمت. وتبقى مسألة قابلية تعميم منهج "الالتزام القابل للتفنيد" على مواقع حقيقية أكثر تعقيداً من WebArena سؤالاً مفتوحاً لم تتناوله الورقة.

قُدّمت الورقة إلى منصة "arXiv" في 27 يوليو 2026، ولم يوضّح الباحثون ما إذا كانوا سيطرحون الكود أو أداة التقييم للاستخدام العام.