طورت جامعة بكين للاتصالات، وجامعة تشينغهوا، وجامعة شنغهاي جياو تونغ نظام MemSlides لحل مشكلات التخصيص والتعديلات المتعددة في عروض PowerPoint المولدة بالذكاء الاصطناعي. يُسترجع هذا النظام ذاكرة صورة المستخدم منذ الإنشاء الأولي، ويؤثر على تنظيم الصفحات وأسلوب التعبير وفقًا لتفضيلات المستخدم. كما يُدخل ذاكرة العمل لحفظ القيود المؤقتة للمهمة الحالية، مما يضمن استمرار فعالية التفضيلات ذات التأثير المتأخر. ويُحقق النظام التعديلات الدقيقة محليةً من خلال عملية Plan-Act-Guard، مما يمنع انتشار التغييرات إلى المستند بأكمله. أظهرت التجارب أن ذاكرة الأداة رفعت معدل التقارب في التحرير إلى 2.27 مرة، وخفضت وقت الأداة الأساسية إلى 0.327 مرة. وقد تصدر النظام قائمة "ورقة اليوم" على Hugging Face Daily Papers، وحصل على أكثر من 400 نجمة على GitHub. تمتلك هذه الدراسة قيمة مرجعية في إدارة الذاكرة للموكلين أثناء المهام طويلة المدى.مؤلف المقال، المصدر: جديد الذكاء
اللحظة الأكثر إحراجًا ليست دائمًا فشل توليد عرض PowerPoint بواسطة الذكاء الاصطناعي.
بل إنها قد أنشأت بالفعل مجموعة جيدة من الشرائح، وأنت فقط تقول: "غيّر الجزء السفلي الأيمن من الصفحة الثامنة ليبدو أكثر كرسم تدفق."
في الثانية التالية، قد تغيرت الصفحة 8 بالفعل، لكن مستوى العناوين في الصفحة 3 تغير، كما أن ألوان الصفحة 12 انحرفت، وتم تفكيك النمط الذي تم ضبطه مسبقًا.
هذه هي نقاط الألم الأكثر شيوعًا في سير العمل الحقيقي لعرض PowerPoint.
النسخة الأولى مجرد مسودة، والتعديل هو الميدان الرئيسي.
من "إنشاء مجموعة" إلى "إنشاء مثل هذا المستخدم"
على مدار السنوات القليلة الماضية، تقدمت توليد الشرائح التلقائية بشكل كبير. فقد تمكّنت العديد من الأنظمة من إنشاء مسودات أولية ذات هيكل كامل وتصميم بصري غير رديء، استنادًا إلى أوراق بحثية أو وصف منتج أو جملة موضوع واحدة.
لكن في الاستخدام الحقيقي، المفتاح في الإصدار الأول من الشرائح ليس فقط "إذا تم توليده أم لا"، بل إذا كان قد اقترب من عادة تعبير مستخدم معين.
يمكن تقديم نفس ورقة Transformer كدورة تعليمية أساسية، أو كعرض تقديمي لمجموعة، أو كقراءة معمقة للورقة، أو كتدريب تقني. تختلف وجهات نظر المستخدمين المختلفة فيما يتعلق بدور الصفحات، وكثافة المحتوى، وحدود الأدلة، وطريقة تفصيل الآليات. بعض المستخدمين يفضلون البدء بالاستنتاجات والنقاط الرئيسية، بينما يفضل آخرون توضيح التعريفات والآليات وظروف الحدود بدقة.
هذا بالضبط دور ذاكرة صورة المستخدم في مرحلة round-0.
تم إنجاز MemSlides بالتعاون بين جامعة بكين للاتصالات، جامعة تسينغهوا، وجامعة شنغهاي جياو تونغ. لا تنتظر MemSlides حتى يقوم المستخدم بتعديلات متكررة قبل بدء "التذكر"، بل تقوم أثناء الإنشاء الأولي باسترجاع صورة المستخدم بناءً على نية المهمة الحالية، وترشيح التفضيلات الطويلة الأمد المتوافقة إلى الذاكرة العاملة الحالية لتأثيرها على تنظيم الصفحة وأسلوب التعبير.
رابط الورقة البحثية: https://arxiv.org/abs/2606.17162
الصفحة الرئيسية للمشروع: https://memslides.github.io/
رابط العرض التوضيحي: https://memslides.com/
رابط الكود: https://github.com/huohua325/Memslides
رابط HF: https://huggingface.co/papers/2606.17162
تم تصنيف هذا العمل كورقة اليوم على Hugging Face Daily Papers، وحصل على أكثر من 400 نجمة على GitHub؛ بعد إطلاق موقع الويب التجريبي، جذب أكثر من 100 مستخدم موثق لتجربته.
الشكل 1 لا يعرض "مخططًا توليديًا عامًا". بل يشبه أكثر توضيحًا لكيفية تقسيم النظام للمواد الأكاديمية إلى صفحات تشمل التعريفات، والآليات الأساسية، والأدلة التجريبية، والأخطاء الشائعة، وظروف الحدود. هذه الاختيارات تعكس تفضيلات صورة المستخدم المتعلقة ببنية المحتوى، وكثافة المعلومات، وأسلوب التعبير القائم على الأدلة.
الشكل 1: لا يُظهر الجيل الأول فقط الانتظام، بل أيضًا تأثير ذاكرة صورة المستخدم على تنظيم الصفحة وكثافة المحتوى وحدود الأدلة.
يقدم المشروع أيضًا نسخة تجريبية عبر الإنترنت. يمكن للمستخدمين رفع المواد، واختيار ملف تعريف الذاكرة أو القالب، وبعد توليد المسودة الأولية، المتابعة إلى مرحلة المراجعة وتنزيل إصدار PPTX أو HTML أو PDF الحالي.
بمعنى آخر، MemSlides موجهة للعملية الكاملة من المسودة الأولية المخصصة إلى التعديلات المستمرة اللاحقة.
وبمجرد أن تبدأ النسخة الأولى في التقارب مع المستخدمين، تصبح المشكلات التالية أكثر حدة: هل يمكن للنظام الحفاظ على هذه التفضيلات عبر عدة تعديلات؟ هل ستُلغى المتطلبات المطروحة مؤقتًا خلال الجلسة الحالية بعد بضع جولات؟ عندما يريد المستخدم تعديل منطقة محلية واحدة فقط، هل يستطيع النظام تجنب تفكيك الصفحات التي تم محاذاتها بالفعل؟
دع الذاكرة تتوزع المهام
عندما يسمع الكثيرون مصطلح "ذاكرة الوكيل"، يفكرون تلقائيًا في إدراج المحادثات السابقة في سياق أطول.
MemSlides لم تفعل ذلك.
السبب بسيط: كلما طال التاريخ، زادت الصراعات داخله. عندما يقول المستخدم اليوم "استخدم عناوين زرقاء في هذا التقرير"، فهذا لا يعني أنه يريد جميع عروضه التقديمية المستقبلية بعناوين زرقاء؛ ولا ينبغي خلط خطأ في الأداة واجهه المستخدم أثناء تحرير معين مع "ما هي أسلوبه المفضل".
لذلك، تُنموذج MemSlides إنشاء الشرائح المخصصة كعملية إصدار ذات حالة: يُنشئ النظام أول مسودة من الجولة 0 بناءً على المواد المصدر، وذاكرة صورة المستخدم، والقوالب الاختيارية؛ ثم تُحدَّث حالة الجلسة الحالية في كل جولة من الملاحظات، ويتم إجراء تعديلات محلية حول العرض الحالي.
لهذا النظام ذاكرة منظمة من منظورين.
من منظور دورة الحياة، هناك ذاكرة طويلة الأمد وذاكرة عمل. تحتفظ الذاكرة طويلة الأمد بالمعلومات المستقرة التي تستمر عبر المهام، بينما تحتفظ ذاكرة العمل بالقيود المؤقتة والأهداف المعدلة وحالة التنفيذ التي لا تزال سارية في الكومة الحالية.
من حيث الأدوار الوظيفية، هناك ذاكرة صورة المستخدم وذاكرة الأداة. الأولى تجيب على سؤال "ما التفضيلات التي يجب أن تعكسها هذه الشرائح؟" والثانية تجيب على سؤال "كيف يمكن تحسين وكيل ليصبح أكثر استقرارًا؟"
بعبارة أخرى، لا يهدف MemSlides إلى جعل العامل يتذكر مزيدًا من الكلام غير الضروري، بل إلى مساعدته على معرفة أي المعلومات يجب الاحتفاظ بها على المدى الطويل، وأيها سارية فقط خلال المهمة الحالية، وأيها تتعلق بتفضيلات المستخدم، وأيها تندرج تحت تجارب الأدوات.
الشكل 2: تنظيم ذاكرة طويلة المدى، وذاكرة العمل، وذاكرة صورة المستخدم، وذاكرة الأدوات ضمن نفس عملية المراجعة متعددة الجولات لـ MemSlides.
صورة المستخدم
التخصيص الحقيقي عادةً لا يمكن حله بجملة واحدة من أمر الدور.
في عرض أكاديمي، يفضل البعض وضع استنتاج أساسي واحد فقط في كل شريحة، بينما يحتفظ آخرون بالصيغ والتفاصيل التجريبية؛ وفي عرض تجاري، يفضل البعض الجداول الكثيفة، بينما يعتمد آخرون أكثر على الرسوم البيانية للاتجاهات والمقارنة.
هذه الاختلافات ليست علامات من مرة واحدة في أمر، بل هي عادات تظهر تدريجيًا من خلال الكتابة والتعديل المستمر من قبل المستخدم.
تستخدم MemSlides ذاكرة صورة المستخدم لحفظ تفضيلات عبر المهام. فهي لا تلصق الملف الشخصي ككل في مقدمة المطالبة، بل تسترجع التفضيلات ذات الصلة بناءً على النية الحالية عند بدء المهمة، ثم تنسقها مع الطلب الحالي.
إذا كانت التفضيلات الطويلة الأجل متوافقة مع التعليمات الحالية الصريحة، فستدخل معًا إلى الذاكرة العاملة؛ وإذا حدث تعارض، فإن المتطلبات الصريحة لهذه الشرائح الحالية لها الأولوية.
هذه الخطوة مهمة جدًا. وإلا، فقد يخطئ النظام في اعتبار "الرغبة المؤقتة هذه في عنوان أزرق" كـ"تفضيل دائم من المستخدم للعناوين الزرقاء".
بعد انتهاء المهمة، لا تقوم MemSlides بإعادة كتابة كل تعليق على الملف الشخصي طويل الأجل. بل تقوم بتخزين إشارات التفاعل المستقرة والقابلة للنقل فقط، لجعل الجيل التالي أكثر انسجامًا مع المستخدم، وليس أكثر فوضى.
الشكل 3: سيمرّ مفهوم صورة المستخدم بالاسترجاع، والتوجيه، والاستخدام في المهمة الحالية، وترسيخ الإشارات المستقرة بعد انتهاء المهمة.
الذاكرة العاملة
في المراجعات المتعددة، هناك نوع آخر من المعلومات أكثر دقة.
إنه ليس تفضيلًا طويل الأجل، لكنه يجب أن يظل ساري المفعول في هذا الديك الحالي.
على سبيل المثال، إذا قال المستخدم في الجولة الثانية: "إذا أُضيفت مربعات ملخص/نصيحة في المستقبل، فاستخدم خلفية رمادية فاتحة." في ذلك الوقت، لم تُضاف مثل هذه العناصر إلى النظام، لذا لم يتم تنفيذ هذا الشرط فورًا. بعد عدة جولات، إذا طلب المستخدم إدراج صفحة تحتوي على مربع ملخص، يجب تفعيل هذه القاعدة.
إذا كان العميل ينظر فقط إلى المدخلات الحالية، فسينسى بسهولة هذه القيود التي تُطبق بتأخير.
ذاكرة العمل الخاصة بـ MemSlides هي لوحة حالة مهمة الكتابة الحالية: تُخزن جميع التفضيلات المؤقتة النشطة، والتعليمات المستمرة، والأهداف المُحلَّة، وحالة التغطية هنا. يقرأ مرحلة الخطة هذه الحالة لتحديد نطاق التعديل، وتنفذ مرحلة الفعل تعديلات محدودة بناءً عليها، ثم تُحدّث مرحلة الحماية نتائج التحقق.
هذا يجعل التعديلات المتعددة ليست مجرد طلبات منفصلة وغير مرتبطة، بل عملية تحرير مستمرة تتم حول نفس مجموعة الشرائح.
الشكل 4: يعمل ذاكرة العمل على الحفاظ على تفضيلات الأنماط المؤقتة التي تم طرحها مسبقًا وتم تفعيلها لاحقًا.
غيّر فقط ما يجب تغييره
للمحررين البشريين، "غيّر هذا المكان فقط" جملة طبيعية جدًا.
لكن هذه الجملة صعبة بالنسبة للأنظمة التوليدية.
بسبب أن العديد من الأنظمة عند معالجة الملاحظات، تقوم بإعادة قراءة أو إعادة كتابة محتوى واسع النطاق. النتيجة هي أن المنطقة المستهدفة تُصلح بشكل صحيح، لكن الصفحات غير المستهدفة تتغير أيضًا. يبدو للمستخدم أنه قدم طلبًا صغيرًا فقط، بينما يقوم النظام بإعادة تفكيك حالة العرض التقديمي بالكامل.
تستخدم MemSlides التصحيحات المحلية للشرائح المحددة للحد من هذه المشكلة.
يتم أولاً تعيين كل ملاحظة إلى أصغر منطقة تعديل فعالة، ثم تدخل عملية التخطيط-التنفيذ-الحماية.
في مرحلة Plan، قم بتحويل طلب اللغة الطبيعية إلى عقد تنفيذي، مع تحديد الشريحة الهدف، نطاق التأثير، تلميحات المُحدِّد، ومتطلبات التغطية.
في مرحلة Act، اختر أداة التحرير بناءً على هيكل الصفحة، ونفّذ أصغر عملية فعالة ضمن الحدود المحددة. في مرحلة Guard، حوّل "الإكمال" إلى حالة تتطلب التحقق: لا تُنهِِ مبكرًا إذا لم تُغطَّ الأهداف، وأعد ربط اللقطة إذا انتهت صلاحيتها، ولا توسع الطلبات الجزئية إلى إعادة كتابة كاملة للعرض التقديمي.
هذه الخطوة تحول "النموذج يعتقد أنه أكمل التعديل" إلى "النظام يمكنه التحقق مما إذا كان هذا التعديل غطى الهدف حقًا أو تجاوز الحدود".
الشكل 5: Plan-Act-Guard يقسم التعديلات المحلية إلى تخطيط النطاق، التنفيذ الخاضع للرقابة، وفحص النتائج.
ذاكرة الأداة
تحرير الشرائح ليس مجرد إعادة صياغة نصية.
قد يشمل تعديل محلي تغييرات في هيكل الصفحة، أو المُحدِّدات، أو قواعد التنسيق، أو لقطات التخطيط، أو منطق التحقق. حتى لو فهم العامل ما يريده المستخدم، فقد يقرأ منطقة خاطئة أثناء استدعاء الأدوات، أو يعيد المحاولة مرارًا وتكرارًا، أو يوسع نطاق التعديل، أو ينهي العملية مبكرًا قبل تغطية الهدف.
لذلك، أضافت MemSlides أيضًا ذاكرة الأدوات.
لا يسجل الأداة ما يفضله المستخدم، بل يسجل أي مسار تنفيذي ناجح في مهام التحرير المماثلة وأي أخطاء يجب تجنبها.
يُنظّم الورقة وفقًا لنوعين من الدقة: تجربة المهمة على مستوى الجولة (round-scope task experience) تسجل الخبرة، وخلاصة الأخطاء، وأنماط القابلية للنقل خلال جولة تعديل واحدة؛ وتجربة سلسلة الأدوات على مستوى العملية (operation-scope tool-chain experience) تحفظ شظايا التفكير-الأداة-الملاحظة بدقة أعلى، والتي تُسترجع كمرجع قبل استدعاء أدوات مماثلة.
هذا التصميم يفصل بين الهدف والتنفيذ.
يحدد ملف تعريف المستخدم الاتجاه الذي يجب أن تتخذه الشرائح، بينما تمكن ذاكرة الأداة الوكيل من تجنب الطرق المضللة، وتقليل الاستكشافات غير الفعالة وعدم اليقين في التنفيذ.
الشكل 6: تركز ذاكرة الأداة على تجارب استدعاء الأداة، وليس على تفضيلات المستخدم الجمالية.
نتائج التجربة
لم تُقدّم تقييمات MemSlides بدرجة إجمالية واحدة للإنتاج، بل فُحصت القدرات المرتبطة بمكونات الذاكرة المختلفة بشكل منفصل: ذاكرة صورة المستخدم مقابل توافق الشخصية في الجولة 0، وذاكرة العمل مقابل استمرارية التفضيلات المتأخرة خلال المحادثات المتعددة، وذاكرة الأدوات تم التحقق منها بشكل معزول في إعداد تعديل الأزواج المطابقة التشخيصية.
في التوليد المخصص، عززت ذاكرة صورة المستخدم التوافق مع الهوية في إعدادات متعددة الهويات والمقاصد. وتشير الورقة إلى أن هذا التحسن لا يظهر فقط في "التشابه أكثر مع قالب معين"، بل أيضًا في اختيارات تخطيطية مثل تركيز المحتوى، ودور الصفحة، وتنظيم الأدلة، وتمييز الهويات.
في تشخيص الأزواج المعدلة محليًا، التغييرات الناتجة عن ذاكرة الأداة أكثر مباشرة:
في الوقت نفسه، انخفضت نسبة وقت الأداة الأساسية إلى 0.327x.
يجب ملاحظة أن هذه الأرقام مستمدة من إعدادات التوافق التشخيصي المزدوجة، ولا يمكن تفسيرها على أنها تشير إلى تفوق ثابت في جميع السيناريوهات. بل بشكل أكثر دقة، فهي تدعم استنتاجًا إجرائيًا: عندما توفر ذاكرة الأداة تجارب تنفيذ قابلة لإعادة الاستخدام، يصبح الوكيل أكثر قدرة على التقارب في إكمال الحلقة المغلقة، والتحقق الصارم، وإيجاد مسار التحرير الأول الصحيح.
الشكل 7: المقارنة التحريرية الجزئية هي حالة نوعية من الورقة، تُستخدم لعرض الفروق في عملية التحرير قبل وبعد حقن الذاكرة.
الخطوة التالية لـ PPT Agent
تعاون طويل الأمد
تتناول MemSlides العروض التقديمية، لكن المشكلات الكامنة وراءها لا تقتصر على العروض التقديمية فقط.
عندما يدخل العامل في مهام طويلة الأمد مثل توليد المستندات، وتعديل الكود، وتحليل البيانات، وأنظمة المعرفة المؤسسية، يواجه تحديات مماثلة: أي المعلومات يجب الاحتفاظ بها على المدى الطويل، وأي الحالة تخص المهمة الحالية فقط، وأي خبرات تنفيذية يمكن إعادة استخدامها، وأي محتوى يجب الحفاظ عليه ثابتًا عند التعديلات الجزئية.
إذا كان الإنشاء بنقرة واحدة يحل المشكلة من الصفر إلى واحد، فإن التعديلات المتعددة تختبر التحول من واحد إلى قابل للاستخدام.
عميل Slides المستقبلي، لن يقتصر فقط على إنشاء شريحة أولى أكثر جمالًا، بل سيتمكن أيضًا من فهم المستخدم باستمرار خلال مراحل التعديل المتكررة، والحفاظ على حدود التحرير، وجعل مجموعة الشرائح تقترب بشكل مستقر من الإصدار الذي يريده المستخدم حقًا.