في عالم التكنولوجيا السريعة، يتطلب تدريب وكلاء البحث المعتمدين على نماذج اللغات الضخمة (Large Language Models) بيانات بحث عالية الجودة. ولأن المهام التي تحتاج إلى استرجاع متعدد الاتجاهات تتطلب جهودًا موجهة، فإن الاعتماد على مهام مكتوبة يدويًا أو نماذج تدريس قوية قد لا يكون كافيًا. هنا يأتي دور تقنية SearchMaster، الإطار الجديد الذي يعتمد على مفهوم اللعب الذاتي.

تعتمد SearchMaster على تدريب سياسة مشتركة لنماذج اللغة من خلال المهام التي تُنشئها وتحلها وتحققها في بيئة بحث محلية، ولكن هناك تحديات رئيسية. فعندما يتم توليد مهام ذاتيا، يمكن أن تؤدي إلى إشارات مضللة مثل الأسئلة متعددة الاتجاهات غير الصحيحة وتقديرات صعوبة غير دقيقة.

لذا، طورت SearchMaster ثلاثة تحكمات لمواجهة هذه التحديات. أولاً، يُستخدم مولد سلسلة الأدلة (Evidence-Chain Generator - ECG) لتوجيه توليد المهام عبر سلاسل أدلة واضحة تعبر الوثائق، مما يقلل من الأسئلة الخادعة. ثانيًا، تعتمد تقنية مكافأة عمق البحث (Search-Depth Reward - SDR) لتقييم صعوبة المهام بالاستناد إلى عمق البحث في مراحل النجاح بدلاً من معدل النجاح فقط. وأخيرًا، هناك عقوبة الافتتاح الزائد (Over-Opening Penalty - OOP) التي تضبط استخدام الأدوات وتمنع التصفح السطحي الطويل.

عبر ستة معايير بحث عميقة، أثبتت SearchMaster قدرتها على زيادة دقة المتوسط من 38.19% إلى 51.52% مع أساسية Qwen3.5-9B، ومن 51.25% إلى 62.54% مع Qwen3.5-27B. بالإضافة إلى ذلك، سجلت التقنية قفزات ملحوظة بنسبة 30.1 و17.8 نقطة في استخدام BrowseComp-Plus.

تعمل هذه النتائج على إثبات أن أسلوب اللعب الذاتي المنظم يدعم فعالية التدريب لوكلاء البحث عبر نماذج مختلفة دون الحاجة إلى أزواج QA معلمة بشريًا أو عروضا احترافية. للمزيد من التفاصيل، يمكنك زيارة الكود المصدري المتاح على [https://github.com/WentaoTan/SearchMaster].

ما رأيكم في هذه التقنية الجديدة؟ هل تعتقدون أنها ستحسن من أداء وكلاء البحث بشكل ملحوظ؟ شاركونا آراءكم في التعليقات!