# VCBM يركّز تدريب التعلم المعزّز على القرارات المرتبطة بالمكافآت

> تختبر أطروحة من جامعة مانشستر أسلوبًا يمنح وزنًا أكبر للأفعال المؤثرة، مع نتائج واعدة في بيئتين مختلفتين.

Oossa · 2026-10-20 · https://oossa.com/ar/vcbm-focuses-rl-training-on-decisions-tied-to-rewards

تقدّم أطروحة من جامعة مانشستر أسلوب Visual Causal-chain Bookmarking (VCBM)، لمساعدة وكلاء التعلم المعزّز على تحديد الأفعال التي أدت إلى مكافآت متأخرة. وفي محاكاة لإصلاح الساعات، حقق الأسلوب 95.07% من القرارات الصحيحة بعد متوسط بلغ 1,532.3 حلقة عبر 20 تجربة، مقارنةً بـ3,327.1 حلقة لخط الأساس RUDDER. وفي AppWorld، رفع التدريب الممزوج بـVCBM نسبة نجاح المهام من 0.354 إلى 0.458، لكن هذه المقارنة استندت إلى تجربة واحدة فقط لكل أسلوب، لذا لا تمثل تأكيدًا إحصائيًا.

## الحقائق

- استخدمت تجربة إصلاح الساعات 20 بذرة؛ وطابق VCBM البنية السببية المعروفة في جميعها.
- استخدمت مقارنة AppWorld نموذج Qwen2.5-7B-Instruct وبذرة واحدة لكل أسلوب.

## لماذا يهم

للباحثين الذين يدرّبون وكلاء على مهام ذات مكافآت متأخرة، يوفّر VCBM طريقة مختبَرة لإبراز القرارات المؤثرة، لكن نتيجة AppWorld تحتاج إلى مزيد من التجارب قبل اتضاح مدى موثوقيتها.

## المصادر والمراجع

1. [Visual Causal-chain Bookmarking: Retrieval-Weighted Credit Assignment for Reinforcement Learning from Delayed Reward](https://arxiv.org/abs/2610.24032) – arXiv cs.LG, 2026-10-20

آخر تحديث: 2026-10-20