نشر فريق أبحاث Perplexity دراسة عن تدريب ما بعد التدريب لنموذج يعمل داخل وكيلها Perplexity Computer، باستخدام جلسات مستخدمين حقيقية بما فيها الجلسات الفاشلة. في اختبار A/B حي، انخفضت نسبة فشل استدعاءات الأدوات من 2.24% إلى 1.77% بين نسختين مدرّبتين، أي انخفاض نسبي بـ21.2% تصفه الشركة بأنه ذو دلالة إحصائية، بحسب MarkTechPost.
المشكلة في الطريقة المعتادة
في الضبط الدقيق بأخذ العيّنات والرفض (Rejection Sampling Fine-Tuning)، تُقيَّم كل جلسة ويُقلَّد الناجح منها فقط. لكن نجاح النتيجة لا يعني أن كل خطوة كانت صحيحة: قد يتعافى الوكيل من استدعاء أداة خاطئ ويصل إلى الإجابة الصحيحة، فيتعلّم النموذج الخطأ حين يقلّد المسار كله. كما أن حذف الجلسات الفاشلة يرمي أدلّة واضحة على أخطاء يمكن تجنّبها.
الحلّ: قلّد، أو صحّح، أو احتفظ كسياق
- قلّد: الأدوار غير الخاطئة في الجلسات الناجحة.
- صحّح: الأدوار الخاطئة التي لها «تلميح» (Hint) مُتحقَّق منه، في أي جلسة.
- احتفظ كسياق: باقي الأدوار تبقى في المدخل دون أن يُدرَّب عليها.
التلميح تعليمة تصحيح قصيرة مبنية على معلومات كانت متاحة للنموذج. مثال Perplexity: استدعاء بحث وضع مرشّح الحداثة على «سنة»، بينما المخطّط يسمح فقط بـ«يوم» أو «أسبوع» أو «شهر». التلميح يذكر الاستدعاء الفاشل ورسالة الخطأ ويقترح قيمة مسموحة.
ثم تُستخدم تقنية التقطير الذاتي أثناء التشغيل (On-Policy Self-Distillation): يُشغَّل النموذج نفسه مرّتين على الدور المسجّل، مرّة كـ«معلّم» يرى التلميح، ومرّة كـ«طالب» لا يراه، ويتعلّم الطالب أن يتصرّف كما لو رأى التلميح.
هل يمكن استخدامه؟
ليس مباشرة: لم تنشر Perplexity الأوزان المدرّبة ولا كود التدريب، والنموذج متاح فقط كخيار داخل Perplexity Computer. أما النموذج الأساسي GLM 5.2 فمتاح علنًا على Hugging Face.
ليه ده مهم؟
الوكلاء يفشلون كثيرًا في تفاصيل صغيرة مثل صيغة معامل في استدعاء أداة. الطريقة تحوّل هذه الأخطاء اليومية من المستخدمين الحقيقيين إلى إشارة تدريب، بدل تجاهل الجلسات الفاشلة. والفكرة قابلة للتطبيق على أي وكيل لديه سجلات استخدام كافية.
المصادر: MarkTechPost — 2026-09-25
