[
    {
        "id": "osp-15099",
        "type": "article-journal",
        "title": "مَن يُحقق من المحقق؟ تطوير معايير قابلة للتفتيش مع وكلاء يحسنون أنفسهم",
        "author": [
            {
                "family": "Zhang",
                "given": "Xing"
            },
            {
                "family": "Wang",
                "given": "Guanghui"
            },
            {
                "family": "Cui",
                "given": "Yanwei"
            },
            {
                "family": "Li",
                "given": "Ziyuan"
            },
            {
                "family": "Qiu",
                "given": "Wei"
            },
            {
                "family": "Zhu",
                "given": "Bing"
            },
            {
                "family": "He",
                "given": "Peiyang"
            }
        ],
        "URL": "https://omanscience.com/ar/articles/who-verifies-the-verifier-co-evolving-inspectable-graders-with-self-improving-agents",
        "language": "en",
        "issued": {
            "date-parts": [
                [
                    2026
                ]
            ]
        },
        "abstract": "لقد غيرنا العميل هل تحسنت الأمور فعلاً؟ كل حلقة من العاملات التي تحسن نفسها تجيب على هذا مئات المرات، وكل إجابة تأتي من مؤكد. في المهام المفتوحة لا توجد أي منها، لذلك يتم إعطاء الحلقة عنوان مكتوب يدويًا أو قاضي LLM عاري تصنيف النتائج من نموذج مثله، مما يدعو إلى اختراق المكافآت ومشاركة البقع العمياء. نحن نجعل المحقق هو الكائن المتطور: تعبير قابل للتفتيش على أجهزة كشف العيوب الصغيرة، معظمها محددة، تم تجميعها من فشلات مجتمعية، مغلقة عند الولادة، واختارة للاتفاق مع مجموعة مرجعية مُثبتة من عشرة عناصر بالإضافة إلى توافق على نتائج غير ملصقة، أبداً لدرجة العميل. في MBPP+ يكتسب +0.21 اتفاقاً مطلقاً على تكوين البذور المصممة يدوياً، على كل بذرة، وينتهي قبل قاضي LLM العادي الذي يحتوي عليه. يجب أن يغير أحد النتائج الطريقة التي يتم بها تأكيد المحققين المتطورين: إزالة حراس المرساة يسقط المحقق إلى مستوى خالي دائمًا، ومع ذلك يقوم هذا المحقق الساقط بتدريب المهارات أيضًا. لا يمكن إثبات مؤكدة تطورت نفسها. الدرجة تجيب على الكفاية، وهناك يمكن أن يستبدل المحقق المتطور: Double Ratchet، يزدوج المحقق مع حلقة مهارة مديرة دورة الحياة، يحافظ على 88-110% من المصعد الذي يؤدي إلى حقيقة الأرض أو عنوان يشتري نفس الحلقة، عبر توليد الرمز، نص المؤسسة إلى SQL، وتوليد التقارير الخالية من الإشارات. عندما كانت المهارات المتطورة تخسر عنوان التقرير، تم القبض عليه من قبل قاضي خارجي وأصلاحه بواسطة جهاز كشف إضافي؛ كان القاضي نفسه مخطئاً حتى حصل على عقد المهمة."
    }
]