نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# دراسة Jev: قرارات أقل كلفة، ومهام محمولة مكتملة أقل

> في دراسة شملت 4,500 تنفيذ، أكمل تكاملان محمولان مهام أقل؛ وأنفق أحدهما أكثر لكل نجاح في المتوسط المرصود.

By BIG CHANGE Editorial

Published: 2026-10-13T05:25:18.815Z
Updated: 2026-10-13T05:25:18.815Z
Canonical: https://bigchange.ai/blog/jev-agent-workflow-study-task-completion-cost

![Conceptual charcoal illustration of one connected hand poised above a blank unbranded smartphone screen, with an orange reflection under the fingertip.](https://bigchange.ai/api/media/file/jev-mobile-decision-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE; generic phone and hand, no Jev interface, experiment, result or BIG CHANGE test depicted.

تتابع دراسة جديدة عن Jev سؤالًا تركه مفتوحًا [تقرير BIG CHANGE عن إطلاق سبتمبر](https://bigchange.ai/blog/jev-typesafe-ai-decisions-software-diogo-almeida): هل تحسّن اختيارات الإجراءات الأسرع والأقل كلفة المهمة كاملة؟ عبر 4,500 تنفيذ، وجد الباحثون اختيارًا أرخص للإجراءات في كل وكيل اختبروه. وفي تكاملين لوكلاء يعملان على الهاتف المحمول، انخفض إكمال المهام بما يكفي لتغيير اقتصاديات النتيجة المقدمة.

إنّ [المسودة الأولية المنشورة في 9 أكتوبر](https://arxiv.org/html/2610.13092v1) تجربة أبلغ عنها المؤلفون، وليست تكرارًا مستقلًا أو اختبارًا أجرته BIG CHANGE. عملت عائلات الوكلاء الخمس في بيئتين يمكن رصدهما نصيًا: مهام منزلية في ALFWorld ومهام تطبيقات الهاتف في AndroidWorld. شغّل الباحثون كل إعداد ثلاث مرات على حالات مهام ثابتة. واستبدلوا خطوة اختيار الإجراء بـJev مع الإبقاء على سير العمل المحيط لكل وكيل، بما فيه استدعاءات النماذج الأخرى والتفاعل مع البيئة.

## أين تغيّر الإكمال

في ALFWorld، ارتفع ReAct من 96.02% إلى 97.51%، وارتفع Reflexion من 98.01% إلى 99.75%. استخدم الضبط المقارن إجراءات مرشحة مثل Jev، لكن نموذجًا لغويًا عامًا اختار بينها؛ فقائمة المرشحين والنموذج كلاهما يغيّران الواجهة.

في النتائج المحمولة، هبط T3A من 57.47% إلى 44.25% (13.22 نقطة مئوية)، وFastAgent من 50.00% إلى 31.90% (18.10 نقطة). وكانت فواصل bootstrap المجمعة حسب المهمة أدنى من الصفر. وهبط AutoDroid من 18.68% إلى 16.38%، لكن فاصل عدم اليقين يشمل الصفر. أكمل النظامان المحمولان أقل من مهمة واحدة من كل خمس؛ وهذه تكاملات اختُبرت وليست كل الوكلاء.

## قد تكون المحاولة الأرخص أعلى كلفة لكل نجاح

خفّض Jev متوسط كلفة اختيار الإجراء بنسبة 66.1–78.4% وزمن القرار بنسبة 73.9–81.5% عبر العائلات الخمس. وانخفض متوسط المهمة كاملة أيضًا، لكن بدرجة أقل؛ إذ استهلك الاستدلال والإجراءات والتفاعل الإضافي مع البيئة جزءًا من الوفورات.

انخفض متوسط كلفة الاستدلال لكل محاولة في T3A بنسبة 17.1%؛ وينتهي المقطع عند «كلفة  *كل* المحاولات، بما فيها الإخفاقات، مقسومة على عدد المهام المكتملة، ارتفع المتوسط من 68.70 إلى 73.97 جزءًا من ألف دولار لكل نجاح. يشمل فاصل عدم اليقين للزيادة البالغة 7.7% الصفر، لذلك لا تثبت الدراسة زيادة كامنة دقيقة. لكنها تُظهر أن خفض الإنفاق لكل محاولة لم يضمن انخفاض الكلفة المرصودة لكل نتيجة مقدمة في هذا الإعداد.

ظل متوسط زمن FastAgent شبه ثابت رغم تسارع القرارات؛ ومع انخفاض الإكمال ارتفعت الثواني لكل نجاح من 239.4 إلى 377.8. واتخذ إصدار Jev قرارات أكثر بنسبة 44.1%، وعلى خلاف خط الأساس نفّذ أداة واحدة في كل خطوة؛ ما يحدّ من إمكان عزو النتيجة لسبب واحد.

كشف فحص المسارات عن تبديل ملتبس لشبكة Wi-Fi لدى الوكيل المحمول وإعلان الإكمال قبل بلوغ الهدف. وفي ALFWorld، حقق Reflexion نجاحات أكثر في المحاولة الأولى لكنه أظهر عمليات تعافٍ أقل: 11/19 مقابل 25/26. اختلفت مجموعات الإخفاق؛ لذا يهم اكتشاف الخطأ وإصلاحه.

## التغيير الكبير

صمدت الوفورات المبلغ عنها على مستوى المهمة عندما كان الاختيار هو العامل الغالب وكان الإكمال مرتفعًا؛ وكان ReAct أقل كلفة وأسرع لكل نجاح. أما لدى وكلاء الهاتف الآخرين، فقد قلّصت الاستدعاءات الأخرى ووقت البيئة وانخفاض الإكمال الفائدة أو عكستها؛ لذا ينبغي مقارنة المهام المكتملة والموارد عبر  *كل* المحاولات، ثم فحص قرارات التعافي والتوقف. لا يجيب سعر الاستدعاء أو زمنه وحده عما إذا كان سير العمل قد أنجز عملًا مفيدًا أكثر.

تشرح الدراسة منهجيتها وحدودها؛ ولا تتحقق من SubQ Snap.

## تسجل المسودة الأولية التي نشرها Ling وزملاؤه في 9 أكتوبر بعنوان ‘When Faster Decisions Do Not Make Better Agents’

- [ التجربة والجداول الكاملة وتحليل المسارات والقيود. ويحدد ](https://arxiv.org/html/2610.13092v1)سجل الإصدار[ أنها النسخة v1 المنشورة في 9 أكتوبر 2026. والنتائج هنا مما أبلغ عنه المؤلفون؛ لم تُعِد BIG CHANGE التجربة.](https://arxiv.org/abs/2610.13092v1)تقرير BIG CHANGE عن إطلاق Jev
- [ يشرح طرح TypeSafe AI الأصلي لنموذج القرار. وتوسّع المسودة الجديدة القصة بقياس مهام الوكلاء كاملة بدلًا من الاكتفاء بادعاءات الإطلاق.](https://bigchange.ai/blog/jev-typesafe-ai-decisions-software-diogo-almeida)Ling وزملاؤه، ‘When Faster Decisions Do Not Make Better Agents’ (مسودة أولية، 2026).

## Sources

- [مصدر أولي، نسخة v1 بتاريخ 9 أكتوبر؛ النتائج تجارب أبلغ عنها المؤلفون من دون تكرار مستقل.](https://arxiv.org/html/2610.13092v1) — سجل نسخة المسودة الأولية على arXiv.
- [يؤكد النسخة v1 وتاريخ 9 أكتوبر 2026.](https://arxiv.org/abs/2610.13092v1) — BIG CHANGE: تقرير إطلاق Jev.
- [يضع طرح TypeSafe AI لاختيار الإجراءات في سياقه قبل دراسة مهام الوكلاء كاملة.](https://bigchange.ai/blog/jev-typesafe-ai-decisions-software-diogo-almeida) — يوضح سياق طرح TypeSafe AI الأصلي لاختيار الإجراءات؛ ولا يتحقق من الدراسة الجديدة.