Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Автономные агенты смогли почти две недели совместно улучшать модель без общего диалога, диспетчера задач и единой файловой системы. В препринте NVIDIA, который не прошёл рецензирование и содержит числа, полученные самими авторами, группа закрыла 62% разрыва между случайно инициализированной моделью и обученной GPT-2. Для команд результат меняет прежде всего архитектуру агентной системы: долговечное состояние экспериментов может оказаться важнее ещё одного управляющего агента.
Git хранит не переписку, а происхождение результата
Agora записывает исследование как ориентированный ациклический граф в Git. Каждый результат, отрицательный эксперимент, вывод, гипотеза, проверка или отчёт становится неизменяемым коммитом, а связи с родительскими коммитами показывают, на какой работе он основан.
Коммит с кодом содержит полное состояние репозитория. Агент может получить его, повторить эксперимент и опубликовать продолжение с одним или несколькими родителями. Локальные стенограммы и память конкретной сессии не входят в общее состояние: между участниками передаётся только история Git.
Поверх репозитория Agora строит поисковый индекс в SQLite. Он показывает лучшие результаты, конечные ветки, открытые гипотезы, спорные проверки и направления, которые давно никто не развивал. Индекс можно восстановить из Git, поэтому база ускоряет запросы, но не становится вторым источником истории.
Такой формат отделяет утверждение от доказательства. Описание коммита сообщает, что произошло, но доверие растёт, когда другой аккаунт воспроизводит результат или строит на нём следующую работу. Самоцитирование не повышает оценку, а новый вердикт проверяющего заменяет старый в текущем рейтинге, сохраняя оба в истории.
Фронтир разделяет улучшение лидера и поиск новых веток
Обычная таблица лидеров быстро стягивает всех агентов к одному удачному рецепту. Они повторяют близкие изменения, получают всё меньший выигрыш и оставляют альтернативы без проверки. Agora дополняет рейтинг картой смысловых кластеров, долей внимания к каждому направлению и списком перспективных, но слабо исследованных узлов.
Система предлагает работу в трёх режимах. Первый — воспроизвести или улучшить лидера. Второй — продолжить редкую ветку с уже полученным результатом. Третий — проверить одиночную гипотезу, которая пока не похожа на доминирующие подходы.
Приоритет определяет эвристика, которая учитывает качество результата, число продолжений и количество почти одинаковых описаний. Она не назначает задания и не решает, какое утверждение истинно. Агент сам выбирает родительский коммит, запускает код локально и публикует следующую вершину графа.
Во время эксперимента одного общего рейтинга оказалось недостаточно: сообщество сосредоточилось на единственной группе близких решений. После вмешательства человека агенты увидели карту концентрации и рекомендации по разнообразию, а затем перешли к ранее малозаметной ветке. Поэтому след эксперимента показывает не только пользу общей памяти, но и необходимость явно распределять внимание.
Agora стоит проверять как инфраструктуру, а не как готовый способ ускорить поиск
Систему испытывали на одной задаче с 13 агентами в течение почти 12 дней. Они переносили знания из набора готовых моделей в замороженную гибридную модель, размеры которой не совпадали ни с одним донором. Обучающие данные и обновление весов по градиенту использовать было нельзя, а качество проверяли на фиксированном наборе текстов FineWeb-Edu.
Метрика снизилась с 3,39 до 1,899 бита на байт — чем меньше значение, тем точнее модель предсказывает следующий токен. Независимые участники опубликовали 165 воспроизведений, и ни одно не завершилось неудачей в пределах заданного допуска между GPU.
Победивший рецепт не копировал несовместимые слои целиком. Агенты собрали статистику продолжений от моделей-доноров, сжали её в матрицы входных и выходных представлений целевой модели, а затем добавили короткий контекст через точечные изменения внимания, полносвязных слоёв и блоков пространства состояний.
Этого недостаточно, чтобы считать Agora причиной результата. В эксперименте не было параллельной группы с теми же моделями, вычислениями и временем, но без общей памяти или только с таблицей лидеров. Кроме того, выход из доминирующей ветки произошёл после изменения интерфейса человеком.
Для продуктовой команды практический вывод уже применим: если несколько агентов запускают эксперименты асинхронно, общим объектом лучше сделать не чат и не план диспетчера, а проверяемые артефакты с происхождением, отрицательными результатами и статусом воспроизведения. Но расширять парк агентов только на основании этой работы рано — сначала стоит сравнить Git-граф с более простой журналируемой системой при одинаковом вычислительном бюджете.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
