في عالم متسارع التغيرات التقنية، تكمن أهمية الأبحاث الذكية في قدرتها على توفير نتائج دقيقة وموثوقة. هنا يتدخل مشروع **OpenResearcher**، ليقدم حلاً مبتكرًا لتحديات تدريب وكلاء البحث العميق. يعتمد هذا النظام على توليد مسارات بحث طويلة تعزز من عملية البحث والتجميع المنهجي للأدلة، مع إمكانية التحقق من النتائج عبر طرق متعددة.

نقطة القوة في **OpenResearcher** تكمن في تصميمه المفتوح والذي يسمح بتحليل وتكرار التجارب بشكل فعال بعيدًا عن الاعتماد على واجهات برمجية تابعة لجهات خاصة. يعتمد النظام على مجموعة ضخمة من البيانات تتألف من 15 مليون وثيقة، مما يمكنه من أداء البحث بشكل كامل دون الحاجة للاتصال بالإنترنت.

بفضل استخدام نموذج **GPT-OSS-120B** كمعلم، استطاع الفريق من إنتاج أكثر من 97,000 مسار بحثي، متضمنًا مسارات معقدة تضم أكثر من 100 دعوة لأدوات متعددة. أظهرت النتائج أنه من خلال ضبط دقيق لنموذج **30B-A3B** على هذه المسارات، تم تحقيق معدل دقة مذهل يصل إلى 54.8% في اختبارات **BrowseComp-Plus**، وهو ما يمثل تحسنًا كبيرًا بلغ 34 نقطة.

يمتاز النظام ببيئة مغلقة ومجهزة بالكامل، مما يتيح إجراء تحليلات محكومة، حيث توصلت الدراسات إلى رؤى عملية حول تصميم أنظمة البحث العميق، بما يشمل استراتيجيات تصفية البيانات وكيفية تأثير نجاح الاستخراج على دقة الإجابات النهائية.

لمزيد من الاستكشاف والتجربة، تم نشر النظام والمسارات النموذجية ونقاط التفتيش الخاصة بالنموذج وبيئة البحث دون اتصال عبر رابط المشروع على GitHub. هل أنتم مستعدون لاستكشاف هذا العالم الجديد في أبحاث الذكاء الاصطناعي؟ شاركونا آراءكم وتجاربكم في التعليقات!