Google Research چارچوبی جدید به نام WikiSkill معرفی کرده که عاملهای هوش مصنوعی را با یک پایگاه دانش دائمی جفت میکند تا شکستها و موفقیتها ثبت و در اجراهای بعدی بازیابی شوند. این رویکرد به عاملها امکان میدهد از تجارب گذشته بهره برده و رفتار خود را بدون تغییر وزنهای مدل تنظیم کنند.
چگونه WikiSkill کار میکند
به جای پاکسازی کامل ردپاهای اجرا پس از هر بار اجرا، WikiSkill آنها را مشابه ساختار یک ویکی ذخیره و تقطیر میکند. این دانش سپس در قالب «مهارتهای عامل» (Agent Skills) بستهبندی میشود؛ ماژولهایی قابل استفاده مجدد که رفتار عامل را هدایت میکنند بدون اینکه نیاز به بازآموزی وزنهای مدل باشد.
سه لایهٔ تفکیک تجربه، دانش و عمل
- Raw Layer: ردپاهای کامل اجرا—از فراخوانی ابزارها تا نتایج—که تغییرناپذیر نگه داشته میشوند و بهعنوان دادهٔ خام عمل میکنند.
- Wiki Layer: دادهٔ خام به بینشهای ساختاریافته مثل الگوهای شکست و راهبردهای موفق تبدیل میشود. این لایه پیوسته رشد میکند و ریست نمیشود.
- Skill Layer: دستورالعملهای رویهای که عامل هنگام اجرا دنبال میکند. مهارتها قابل آزمایش و بازگردانیاند تا سازگاریشان با معیارهای اعتبارسنجی مشخص سنجیده شود.
گردش کار عملی
روال عملی WikiSkill چهار مرحلهٔ اصلی دارد: عامل اجرا میکند و ردپا تولید میشود؛ یک Wiki Maintainer ردپاها را تحلیل کرده و نکات کلیدی را در ویکی ثبت میکند؛ یک Skill Proposer پیشنهادهایی برای تغییر یا افزودن مهارتها میسازد؛ سپس مکانیزم گیتینگ این پیشنهادها را روی مجموعهٔ اعتبارسنجی جداگانه آزمایش میکند. پیشنهادهایی که کارایی نشان ندهند بازگردانده میشوند، اما یادداشتهای مربوط به شکستها در ویکی باقی میماند تا در تکرارهای بعدی مورد استفاده قرار گیرد.
نتایج آزمایشها
پژوهشگران WikiSkill را روی پنج بنچمارک شامل استدلال ریاضی، جستجوی وب، صفحات گسترده، پرسشوپاسخ اسناد و وظایف تعاملی آزمودند. مدلهای آزمایشی شامل خانوادههای Qwen (4B, 9B, 27B)، Gemma-4-31B و Gemini-3.5-Flash بودند.
- WikiSkill بهطور میانگین عملکرد Gemini-3.5-Flash را از 49.5% به 68.1% افزایش داد.
- Qwen-3.6-27B با WikiSkill از 39.4% به 63.3% ارتقا یافت.
- در برخی بنچمارکها جهشها چشمگیرتر بود: Gemini-3.5-Flash در LiveMath از 33.0% به 72.6% و در SpreadSheet از 50.5% به 76.6% افزایش نشان داد.
میزان بهبود وابسته به نوع وظیفه متفاوت بود: مسائل ریاضی و صفحهگسترده بیشترین سود را دیدند، اما وظایفی با زمینهٔ طولانی سند (مثل OfficeQA) بهبودهای محدودتری داشتند. تحلیلها نشان میدهد مدلهای کوچکتر در اجرای مطمئن راهبردهای چندمرحلهای در زمینههای طولانی ضعیفتر عمل میکنند و گاهی به رفتار پیشفرض بازمیگردند.
مزایا، محدودیتها و انتقالپذیری مهارتها
WikiSkill راهکاری عملی برای ایجاد حافظهٔ اجرایی در عاملها فراهم میآورد بدون اینکه نیاز به یادگیری پیوسته در وزنهای مدل باشد. نکات کلیدی شامل موارد زیر است:
- ساخت و نگهداری دانش تجمعی از اجرایهای گذشته.
- امکان بازگردانی و اعتبارسنجی تغییرات مهارتها برای جلوگیری از تخریب عملکرد.
- قابلیت انتقال مهارتها بین مدلها؛ در برخی موارد مهارت توسعهیافته توسط یک مدل، روی مدل دیگر هم بهتر عمل کرده است.
محدودیتها نیز مشهودند: این روش جایگزین یادگیری مداوم داخلی مدلها نیست و احتمال خطاپذیری در سطح مهارتها وجود دارد. همچنین انتقالپذیری مهارتها همیشه تضمینشده نیست و نیازمند ارزیابی موردبهمورد است.
سندپایه و ریشهٔ فکری
رویکرد WikiSkill از ایدهٔ «LLM Wiki» متاثر است، مفهومی که از جمله توسط Andrej Karpathy و دیگران مطرح شده: تبدیل تجربهٔ پراکنده به دانش پایا و جمعی. Google Research این ایده را به توسعهٔ خودکار مهارت برای عاملها تعمیم داده است. جزئیات بیشتر در صفحهٔ Google Research در دسترس است.
چشمانداز و گامهای بعدی
WikiSkill نشان میدهد ثبت و بازیابی تجربه میتواند در برخی وظایف فاصله بین مدلهای کوچک و بزرگ را کاهش دهد و به ساخت عاملهای قابلاعتمادتر کمک کند. گامهای بعدی شامل ترکیب این رویکرد با پژوهشهای یادگیری مداوم، بهبود مدیریت زمینههای طولانی و تعریف دقیقتر معیارهای اعتبارسنجی و فرایندهای انتقال است تا مهارتهای تکاملیافته پایاتر و قابلانتقالتر شوند. در صورت تدوین استانداردهای اعتبارسنجی و پروتکلهای انتقال، ویکیِ مهارتها میتواند به ابزار اصلی ساخت عاملهای خودبهبود تبدیل شود.
