# PORA يتيح لوكلاء الذكاء الاصطناعي تحديد مدة التفكير

> تدرّب طريقة PORA الجديدة وكلاء نماذج اللغة على اختيار استدلال قصير أو مطوّل بحسب الميزانية والفائدة المتوقعة، مع خفض الحوسبة إلى النصف.

Oossa · 2026-10-21 · https://oossa.com/ar/pora-lets-llm-agents-decide-when-to-think-longer

أعلن باحثون بقيادة تشي تشانغ عن PORA، وهي تقنية لوكلاء نماذج اللغة الكبيرة تتعلّم متى يحسّن الاستدلال المطوّل النتائج. أثناء التدريب، ينفّذ النظام الخطوة نفسها مرتين: مرة بحد قصير للاستدلال، ومرة بحد أطول، لمعرفة أيهما يفضي إلى نتيجة نهائية أفضل. وعند التشغيل، يستخدم متحكّم هذا التقدير الذي تعلّمه، إلى جانب ميزانية الحوسبة المتبقية، لاختيار الخيار الأقل كلفة من دون تنفيذ الخيارين معًا. وأظهرت الاختبارات في مهام الذاكرة والبرمجة والتجزئة والرياضيات تحسّنًا في النتائج يصل إلى 32.9% في معيار للذاكرة، وانخفاضًا يصل إلى 31% في عدد استدعاءات النموذج في مهام الرياضيات.

## الحقائق

- نُشرت الورقة على arXiv في 2026-10-21
- في معيار BFCL للذاكرة، تفوّق PORA على أفضل أداء سابق بفارق يتراوح بين 17.4 و32.9 نقطة مئوية

## لماذا يهم

تتيح التقنية للمطوّرين تشغيل وكلاء ذكاء اصطناعي أذكى يستهلكون قدرًا أقل من الحوسبة السحابية مع الحفاظ على الأداء، ما يخفض تكاليف الخدمات التي تعتمد على الاستدلال متعدد الخطوات.

## المصادر والمراجع

1. [PORA: Learning When More Reasoning Pays Off for LLM Agents](https://arxiv.org/abs/2610.27119) – arXiv, 2026-10-21

آخر تحديث: 2026-10-21