Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Решение агента спросить человека зависит не только от его собственной неопределённости, но и от работы других агентов в общей очереди. Новый метод отклонился от оптимальной стратегии в среднем на 0,07% и снизил совокупную стоимость на 18–31% относительно простых правил; поскольку препринт не рецензирован, эти числа получили сами авторы. Для систем с несколькими параллельными агентами это переносит управление вопросами с уровня отдельного агента в общий планировщик.
Почему уверенности отдельного агента недостаточно
Hanzhao Wang, Shengjie Liu и Zhengchao Wang рассматривают ситуацию, в которой каждому агенту не хватает одного требования: ограничения по срокам поставки, правила применения скидок или ожидаемого поведения функции. Агент может поискать ответ в документах, спросить человека либо продолжить ту часть задачи, которая от ответа не зависит.
Поиск расходует время агента и может закончиться без результата. Вопрос расходует внимание человека и задерживает другие задачи. При этом агенту не обязательно останавливаться после вопроса: он может продолжать независимую работу, искать ответ и снять запрос, если найдёт данные раньше человека.
Из-за этого простое правило «сначала ищи, затем спрашивай» работает не всегда. Если у агента осталось много независимой работы, ранний вопрос позволяет совместить ожидание ответа с полезными действиями. Агент без другой работы, наоборот, может сначала поискать сам, чтобы не занимать общую очередь.
Приоритет вопроса тоже нельзя вычислить только по состоянию одной задачи. Пока человек отвечает одному агенту, остальные продолжают ждать, работать или искать. Добавление ещё одной задачи способно поменять порядок, в котором выгодно обслужить уже стоящие в очереди вопросы.
Модель учитывает стоимость задержки задачи, поиска, отправки вопроса и ответа человека. Она также хранит остаток независимой работы, число неудачных поисков и состояние требования: вопрос ещё не задан, ждёт ответа или уже закрыт. Точное решение можно получить динамическим программированием, но число состояний растёт экспоненциально вместе с числом задач.
Как PCP оценивает цену общей очереди
Метод PCP заменяет полный расчёт набором малых задач. Сначала он точно решает случаи для одного агента и для каждой пары агентов. Затем вычисляет, насколько две задачи задерживают друг друга, когда делят одного человека, и добавляет эту цену общей очереди при выборе следующего действия.
На каждом шаге планировщик решает, кому искать, кому продолжать работу, кому задать вопрос и какой ожидающий вопрос передать человеку. Так локальная оценка дополняется эффектом перегрузки: поиск может быть невыгоден для одной задачи в отдельности, но оправдан, если успешный результат освободит человека для остальных.
PCP совпадает с оптимальной стратегией, пока нерешённые требования остались только у пары задач. Если поиск уже нигде не может помочь и все ответы должен дать человек, стоимость метода в худшем случае не превышает оптимальную более чем вдвое.
Синтетические проверки охватывали портфели из трёх или четырёх задач с разной срочностью, вероятностью успешного поиска, доступностью человека и стоимостью действий. PCP сравнивали с политикой, которая оптимизирует каждого агента отдельно, с немедленной отправкой всех вопросов и с правилом «один раз поискать, затем спросить».
Отдельный пример с gpt-6.1-sol через Codex моделировал закупки: агенты извлекали предложения поставщиков, считали стоимость и искали недостающее обязательное требование в документах. Проверка охватывала четыре задачи и десять портфелей для каждого сочетания условий. Агенты выполнили действия без ошибок, поэтому разница возникла именно из-за порядка поиска и вопросов, а не из-за качества ответов модели.
Когда стоит менять архитектуру агентной системы
Работа меняет планы команд, которые запускают несколько агентов для одного оператора. В такой системе вопрос не должен сразу останавливать задачу, а очередь нельзя строить по времени поступления или по уверенности каждого агента. Нужен центральный компонент, который видит состояния всех задач и может отзывать запросы после успешного поиска.
Наибольший эффект возникает, когда человек появляется редко, а поиск требует заметных ресурсов. Если оператор доступен сразу, несколько стратегий сходятся к одному решению: выгоднее задать вопрос без поиска. Когда поиск дешёв, даже локальная политика часто выбирает его сама, поэтому дополнительная координация даёт меньше.
Для внедрения придётся оценивать вероятность найти требование в доступных материалах, шанс успеха следующей попытки, доступность оператора и цену задержки. Модель считает эти параметры известными, а найденные требования и ответы человека — правильными. Она также предполагает, что человек отвечает по одному вопросу, хотя в рабочих процессах операторы могут разбирать очередь целыми сессиями.
Практический вывод уже применим без полного воспроизведения PCP: хранить вопросы отдельно от состояния выполнения, разрешать агентам работать после отправки запроса и планировать человеческое внимание на уровне всего набора задач. Полную парную оценку имеет смысл добавлять там, где очередь вопросов регулярно становится узким местом, а не в системах с одним агентом или постоянно доступным специалистом.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
