أبحاث Nvidia: تلخيص السياق يحافظ على أداء وكلاء الذكاء الاصطناعي

ماذا أظهرت الاختبارات

اختبر الفريق أسلوبًا يلخّص المحادثة عند بلوغ طول محدد ثم يواصل العمل. واستُخدم في ستة اختبارات للمهام الطويلة، منها SWE-bench Verified وTerminal-Bench 2.1 وFRAMES وBFCLv3، نموذجا Claude Opus 4.5 وGPT 5.6 Sol في الغالب. ومن بين 22 إعدادًا غُيّر فيها حد السياق وطول بدء التلخيص، لم ينخفض الأداء بأكثر من نقطتين عن المرجع في خمسة إعدادات على الأكثر. وعند تنفيذ إجراء واحد في كل محادثة وتمرير حالة المهمة المضغوطة فقط، ارتفعت درجة Claude Opus 4.5 في حل مسائل البرمجة من 70.0 إلى 70.2، بينما تراجعت درجة GPT 5.6 Sol من 84.4 إلى 82.4.

وفي اختبار LOONG الذي يضم 1600 سؤال عن عدة وثائق طويلة، حصل Claude Opus 4.5 عند تزويده بالمواد كاملة على متوسط 70.1 درجة ونسبة إجابات صحيحة تمامًا 38.9%. وحين اختار الأجزاء اللازمة ولخّصها وأبقى السياق دون 16 ألف توكن، ارتفعت النتيجة إلى 79.3 درجة و53.4%.

غير أن الأسلوب لا ينجح مع كل نموذج؛ إذ انخفض نجاح Qwen3 Coder Next في مهام البرمجة، بحسب الملحق، من 53.0% إلى 3.6% عند تطبيق التلخيص بإعداد 16K، ووصفت الورقة ذلك بأنه «انهيار كارثي».

واقترح الباحثون كذلك «نموذج فضاء الحالة الدلالي» (Semantic State Space Model)، وهو نموذج مدرَّب على قراءة وصف لحالة المهمة بلغة طبيعية ثم التصرف وإعادة كتابة الوصف. لكنه مجرد مفهوم لم يُدرَّب ولم يُقيَّم بعد. وتقول الورقة إن نتائجها تثير تساؤلًا حول الحاجة إلى نماذج لغوية بسياق طويل. وبالنسبة للشركات التي تستخدم وكلاء الذكاء الاصطناعي، قد يتحدد توازن الكلفة والجودة بما يُحتفظ به في السياق لا بطوله.