# طريقة جديدة تتيح لوكلاء الذكاء الاصطناعي التعلّم من نماذج مغلقة باللغة الطبيعية

> يقترح باحثون أسلوب «التقطير التواصلي أثناء التدريب» (COPD)، الذي يتيح للنماذج الأصغر طرح أسئلة مفتوحة على نماذج أكبر مغلقة المصدر لتحسين أدائها في المهام الطويلة.

Oossa · 2026-11-19 · https://oossa.com/ar/new-method-lets-ai-agents-learn-from-black-box-teachers-via-natural-language

نشر Lirui Luo وزملاؤه ورقة بحثية في 19 نوفمبر 2026 تصف أسلوب «التقطير التواصلي أثناء التدريب» (COPD). ويتيح هذا الأسلوب للنموذج المتعلّم أن يقرر متى يستفسر من نموذج معلّم مغلق المصدر، مستخدمًا لغة طبيعية حرة الصياغة، ثم يستفيد من هذه المحادثات لتدريب نفسه من دون مساعدة إضافية من المعلّم. وفي معيار CAMG‑II، حقق COPD تحسنًا يعادل 2.46 × ما حققته أفضل طريقة قائمة للتقطير أثناء التدريب من نماذج مغلقة المصدر. وأفاد الباحثون أيضًا بتحسن النتائج في Terminal‑Bench 2.1 وSWE‑Bench Pro V2.

## الحقائق

- نُشرت الورقة في 19 نوفمبر 2026
- يحسّن COPD الأداء بمقدار 2.46 × مقارنةً بأقوى طريقة أساسية مغلقة المصدر على CAMG‑II

## لماذا يهم

إذا أثبتت الطريقة فاعليتها عمليًا، فسيتمكن المطورون من تحسين وكلاء الذكاء الاصطناعي في المهام المعقدة من دون الحاجة إلى وصول كامل إلى النماذج الكبيرة المملوكة.

## المصادر والمراجع

1. [Communicative On-Policy Distillation: Distilling Black-Box Teacher Capabilities through Communication for Long-Horizon Tasks](https://arxiv.org/abs/2611.23673) – arXiv cs.LG, 2026-11-19

آخر تحديث: 2026-11-19
