في عصر المعلومات المتسارع، يكتسب استرجاع الأخبار أهمية كبيرة، خاصةً عندما يتعلق الأمر بالمحتوى الحساس زمنياً. قدم باحثو الذكاء الاصطناعي مؤخرًا نظام DynaTree، الذي يعد بمثابة ثورة في استرجاع المعلومات من خلال تقديم إطار عمل ثنائي المراحل يهدف إلى تحسين فعالية الاسترجاع بشكل كبير.

يعتمد DynaTree على تحسين تجربة استرجاع الأخبار عبر دمج التخطيط، واستخدام الأدوات، والتفكير التكراري. عادةً ما ترتبط الطرق الحالية لهذه العملية بالتوسيع الدلالي مع قرارات الاسترجاع في حلقات استدلال قصيرة الأمد، مما يؤدي إلى تكاليف استنتاج مرتفعة وقدرة قليلة على التعامل مع الأخبار الحساسة زمنياً.

ويعمل النظام الجديد بطريقتين: في المرحلة الأولى، يتم استخدام وكلاء متعاونين لبناء شجرة استرجاع قابلة لإعادة الاستخدام، تعكس الفضاء الدلالي لموضوع الاستعلام. أما في المرحلة الثانية، يقوم DynaTree بتنفيذ عملية اختيار فرعي يومية خفيفة دون الحاجة إلى المزيد من التفكير الوكلي أو تعديل الشجرة.

بالاستناد إلى تجارب أجريت على مجموعة بيانات الأخبار Syft وبيانات BEIR المتعددة، أظهرت النتائج أن DynaTree يحقق أداءً قوياً في الاسترجاع والتصنيف، متفوقاً باستمرار على أساليب RAG التقليدية.

الأكثر إثارة هو نشر DynaTree في نظام إنتاج Syft، حيث تم تقييمه من خلال اختبارات A/B عبر الإنترنت خلال الفترة من 28 يناير إلى 6 فبراير 2026. أظهر النظام المعدل ديناميكياً تحسنًا في معدل البقاء من 0.32-0.53 إلى 0.59-0.73 مقارنة بالشجرة الفرعية المحددة مسبقًا، متفوقاً على جميع أنظمة الاسترجاع القائمة.

تظهر هذه النتائج كيف يمكن للتوسع الدلالي المستمر، المدعوم بالهيكل، أن يُترجم إلى تحسينات عملية في تغطية الأخبار وحداثتها وملاءمتها، مما يجعله خيارًا مثاليًا لاسترجاع الأخبار في العالم الواقعي.