WikiSkill آپریشن میں

WikiSkill گوگل ریسرچ کی جانب سے پیش کیا گیا Agent کی مہارتوں کے ارتقا کا فریم ورک ہے۔ یہ فریم ورک تین سطحی معماری کے ذریعے خام ٹریسز کو Raw Layer میں، ساختہ علم کو مسلسل Wiki Layer میں، اور قابلِ اجرا مہارتوں کو Skills Layer میں محفوظ کرتا ہے، جس سے Agent کا تجربہ پائیدار علم میں تبدیل ہوتا ہے اور اسی علم سے دوبارہ قابلِ استعمال مہارتیں تشکیل پاتی ہیں۔ ہر تکرار میں Wiki Maintainer ٹریسز کا تجزیہ کرکے نالج بیس کو اپ ڈیٹ کرتا ہے، جبکہ Skill Proposer علم کی بنیاد پر مہارتوں کی اپ ڈیٹس تجویز کرتا ہے، جنہیں توثیق کے بعد قبول یا واپس کیا جاتا ہے۔ تجربات سے ظاہر ہوتا ہے کہ WikiSkill کے ساتھ 9B ماڈل 27B کے بغیر کسی اضافی فریم ورک والے ماڈل سے بہتر کارکردگی دکھا سکتا ہے، اور مہارتیں مختلف ماڈلز کے درمیان منتقل کی جا سکتی ہیں۔

تین سطحوں میں علم کی تقسیم: خام ٹریسز، ساختہ علم اور قابلِ اجرا مہارتوں کو تین الگ سطحوں میں محفوظ کیا جاتا ہے، اور ہر سطح اپنا مخصوص کام انجام دیتی ہے۔
مہارتوں کا خودکار ارتقا: تکراری چکر کے ذریعے Agent کی مہارتیں تجربے سے مسلسل تشکیل پاتی اور بہتر ہوتی ہیں۔
پائیدار علم کا ذخیرہ: Wiki Layer مختلف تکراروں کے دوران مسلسل علم جمع کرتی ہے؛ مسترد شدہ مہارتوں کے باوجود جمع شدہ علم ضائع نہیں ہوتا۔
مختلف ماڈلز کے درمیان منتقلی: ارتقا یافتہ مہارتیں مختلف ماڈلز، حتیٰ کہ مختلف ماڈل خاندانوں میں بھی دوبارہ استعمال کی جا سکتی ہیں۔
توثیقی گیٹنگ: امیدوار مہارتوں کا جائزہ توثیقی ڈیٹا سیٹ پر لیا جاتا ہے، اور صرف کارکردگی بہتر بنانے والی اپ ڈیٹس قبول کی جاتی ہیں۔

تین سطحی معماری: Raw Layer ناقابلِ تغیر اجرائی ٹریسز کو مستقل طور پر محفوظ کرتی ہے اور حقائق کی بنیاد فراہم کرتی ہے؛ Wiki Layer ٹریسز کو ساختہ پیٹرنز اور ارتقائی لاگز میں تبدیل کرتی ہے، جنہیں مسلسل جمع کیا جاتا ہے اور کبھی واپس نہیں کیا جاتا؛ Skills Layer میں فی الحال فعال قابلِ اجرا مہارتیں محفوظ ہوتی ہیں، جو مشروط اپ ڈیٹس اور رول بیک کی معاونت کرتی ہے، جبکہ PURPOSE.md کے ذریعے مہارتوں کا ماخذ معلوم کیا جا سکتا ہے۔
ارتقا کا چار مرحلوں والا چکر: Inference Agent موجودہ مہارتوں کے ساتھ تربیتی ڈیٹا سیٹ پر عمل کرتا اور ٹریسز تیار کرتا ہے؛ Wiki Maintainer ٹریسز کے نمونے لے کر بنیادی وجہ کا تجزیہ کرتا، پھر Wiki کی پیٹرن ڈائریکٹری اور لاگ کو اپ ڈیٹ کرتا ہے؛ Skill Proposer ReAct طریقے سے Wiki اور ٹریسز پڑھ کر ایک بار میں مہارت کی تخلیق یا پیچ تجویز کرتا ہے؛ Gating میکانزم توثیقی ڈیٹا سیٹ پر امیدوار مہارت کا جائزہ لیتا ہے، اسکور بہتر ہونے پر اسے قبول کرتا ہے، ورنہ مہارت کو واپس کر دیتا ہے (Wiki متاثر نہیں ہوتی)۔
علم کو مستقل رکھنے کا ڈیزائن: Wiki Layer skill-impact.md کے ذریعے ہر تجویز کا diff، توثیقی اسکور اور قبول یا مسترد کیے جانے کا نتیجہ درج کرتی ہے۔ اس طرح ایک معروضی آڈٹ ٹریس بنتا ہے، جو بعد کے Proposer کو ناکام تجاویز دہرانے سے بچاتا اور مختلف تکراروں کے دوران علم کے مرکب فوائد کو ممکن بناتا ہے۔
مہارت کی دریافت اور نفاذ کی علیحدگی: تجربات سے ظاہر ہوتا ہے کہ مہارت کی دریافت (تجربے سے حکمتِ عملی اخذ کرنا) اور مہارت کا نفاذ (استدلال کے دوران حکمتِ عملی لاگو کرنا) دو مختلف صلاحیتیں ہیں۔ WikiSkill سے ارتقا یافتہ مہارتیں مختلف ماڈلز کے درمیان منتقل کی جا سکتی ہیں، اور بعض اوقات دوسرے ماڈل کے ذریعے ارتقا یافتہ مہارتیں خود اسی ماڈل کی ارتقا یافتہ مہارتوں سے بہتر ہوتی ہیں۔

ورک اسپیس شروع کریں: raw/، wiki/ اور skills/ کی تین ڈائریکٹریاں بنائیں اور خالی مہارتوں کے مجموعے سے آغاز کریں۔
تربیتی rollout چلائیں: Inference Agent موجودہ مہارتوں کے ساتھ تربیتی ڈیٹا سیٹ پر چلتا ہے اور تیار کردہ اجرائی ٹریسز raw/ میں لکھتا ہے۔
نالج بیس اپ ڈیٹ کریں: Wiki Maintainer کامیاب اور ناکام ٹریسز کے نمونے لے کر بنیادی وجہ کا تجزیہ کرتا ہے، wiki/patterns/ میں پیٹرن فائلیں بناتا یا اپ ڈیٹ کرتا ہے، اور logs.md اور skill-impact.md میں اندراج شامل کرتا ہے۔
مہارت کی اپ ڈیٹ تجویز کریں: Skill Proposer Wiki انڈیکس، سابقہ اثرات کے ریکارڈز اور خام ٹریسز پڑھ کر ReAct طریقے سے ایک بار میں مہارت کی تخلیق یا پیچ تجویز کرتا ہے۔
توثیق اور گیٹنگ: امیدوار مہارت کا جائزہ توثیقی ڈیٹا سیٹ پر لیا جاتا ہے؛ اسکور بہتر ہونے پر اسے نئی skills/ کے طور پر قبول کر لیا جاتا ہے۔
تکراری چکر: مذکورہ مراحل کو اس وقت تک دہرائیں جب تک توثیقی کارکردگی مستحکم نہ ہو جائے یا مقررہ تکراروں کی تعداد مکمل نہ ہو جائے۔ آخر میں حاصل شدہ ارتقا یافتہ مہارتوں کا مجموعہ استدلال کے لیے استعمال کیا جا سکتا ہے۔

پائیدار علم کا مرکب فائدہ: Wiki Layer مختلف تکراروں کے دوران مسلسل علم جمع کرتی ہے۔ مہارت مسترد ہونے پر علم ضائع نہیں ہوتا، اور بعد کی اپ ڈیٹس میں تمام سابقہ بصیرتیں دوبارہ استعمال کی جا سکتی ہیں۔
علم اور مہارت کی علیحدگی: “کیا معلوم ہے” اور “کیسے کرنا ہے” کو الگ رکھا جاتا ہے؛ مہارت کو واپس کیا جا سکتا ہے جبکہ علم برقرار رہتا ہے، اس لیے تجربہ مہارت کے پیچ کے ساتھ ضائع نہیں ہوتا۔
چھوٹے ماڈل کی بڑے ماڈل پر سبقت: WikiSkill کے ساتھ Qwen-3.5-9B، بغیر اضافی فریم ورک والے Qwen-3.6-27B ماڈل سے بہتر کارکردگی دکھا سکتا ہے اور علم کے ذریعے سائز کے فرق کو کم کرتا ہے۔
ماڈلز کے درمیان منتقلی اور دوبارہ استعمال: ارتقا یافتہ مہارتیں مختلف ماڈل خاندانوں میں منتقل کی جا سکتی ہیں، اور بعض اوقات دوسرے ماڈلز کی دریافت کردہ حکمتِ عملیاں خود ماڈل کی ارتقا یافتہ مہارتوں سے بہتر ہوتی ہیں۔
بار بار کی غلطیوں سے بچاؤ: skill-impact.md تجاویز کی تاریخ اور مسترد کیے جانے کی وجوہات مکمل طور پر درج کرتی ہے، اس لیے Proposer پہلے سے ناکام طریقوں کو دوبارہ نہیں آزماتا۔

arXiv تکنیکی مقالہ: https://arxiv.org/pdf/2608.27454

ذہین دفتری خودکاری: پیچیدہ Excel فارمولوں کے حساب، ڈیٹا کی صفائی اور مختلف اسپریڈ شیٹس کے درمیان تعلقات کو سنبھالنا؛ Agent ارتقا کے ذریعے “پہلے recalculate کریں، پھر پڑھیں” جیسے اسپریڈ شیٹ سے متعلق ورک فلو سیکھتا ہے۔
طویل دستاویزات میں ذہین سوال و جواب: سیکڑوں صفحات پر مشتمل PDF/Word دستاویزات میں متعدد مراحل پر مشتمل تلاش اور رہنمائی انجام دینا؛ ارتقا یافتہ سرچ مہارت Agent کو اہم پیراگراف مؤثر انداز میں تلاش کرنے میں مدد دیتی ہے اور طویل سیاق میں بھٹکنے سے بچاتی ہے۔
ریاضیاتی استدلال اور مسئلہ حل کرنا: مقابلہ جاتی سطح کے ریاضی مسائل حل کرنے کے تجربے کو دوبارہ قابلِ استعمال حکمتِ عملیوں میں تبدیل کرنا اور حل کی درستگی کو مسلسل بہتر بنانا۔
ویب پر معلومات کی تلاش: متعدد مراحل پر مشتمل سرچ کے عمل کو بہتر بنانا اور “کلیدی الفاظ میں توسیع → متعدد ذرائع سے باہمی توثیق → معلومات کا انضمام” جیسا معیاری طریقۂ کار تیار کرنا، جس سے پیچیدہ سوالات کی بازیابی اور درستگی بہتر ہوتی ہے۔
تفاعلی مجسم کام: ورچوئل ماحول میں متعدد مراحل پر مشتمل جسمانی اعمال انجام دینا اور “بار بار ہونے والے عملی چکروں سے بچنا” اور “کام کی تکمیل کی حالت جانچنا” جیسے پیٹرنز محفوظ کرکے کام کی کامیابی کی شرح بہتر بنانا۔