في عصر تتزايد فيه احتياجات البحث بشكل مستمر، تبرز أهمية نماذج البحث الذكية التي يمكنها التعامل مع الاستفسارات المعقدة بكفاءة. وقد تمثلت أحدث الابتكارات في هذا المجال في نموذج "Critic-R"، الذي يعد خطوة جريئة نحو تحسين أنظمة البحث الذكي.

تعمل أنظمة البحث المعتمدة على الوكيل (Agentic Search Systems) على التفاعل بشكل متكرر مع نماذج الاسترجاع للإجابة على استفسارات صعبة. ورغم التقدم الكبير الذي تم تحقيقه في هذا المجال، إلا أن تحسين نماذج الاسترجاع لا يزال يمثل تحدياً، حيث يتطلب غالباً تدريباً مشتركاً مكثفاً أو تعليقات معيارية محددة تقيّد التطبيق العملي في الحياة اليومية.

يقدم نموذج Critic-R حلاً مبتكراً من خلال إنشاء حلقة تغذية راجعة واضحة بين الوكيل المفكر ونموذج الاسترجاع، وذلـك خلال كل من الاستدلال والتدريب. يعتمد Critic-R على نموذج ناقد يقوم بتقييم مسار التفكير الداخلي للوكيل بعد استهلاكه للأدلة المسترجعة، لتحديد ما إذا كانت السياقات المسترجعة تدعم بشكل كاف الخطوة التالية في التفكير.

يتضمن Critic-R آليتين متكاملتين: الأولى هي Critic-R-Zero، وهي عملية تحسين استعلامات تتكرر في وقت الاستدلال، حيث تعيد كتابة الاستعلامات وتعليمات الاسترجاع بشكل متسلسل. والثانية هي Critic-Embed، وهي طريقة لتحسين نماذج الاسترجاع التي تستفيد من مسارات التكرار الناجحة والفاشلة كإشراف تلقائي، دون الحاجة إلى تقييم يدوي للملاءمة.

تم تقييم نموذج Critic-R على منصات مثل HotpotQA و2WikiMultihopQA وMuSiQue وBamboogle، وأظهرت النتائج أن Critic-R قد حسّن بشكل كبير من جودة الاسترجاع ودقة الإجابات النهائية المقدمة.