Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Группа ИИ-агентов научилась переносить удачные приёмы из одного исследовательского задания в следующее, не меняя веса базовой модели. В работе Ant Group, Zhejiang University и HKUST, которая не прошла рецензирование и содержит замеры самих авторов, AReaL-RSI обошла Codex-Goal по всем доступным показателям. Для команд это аргумент в пользу раздельных ролей и управляемой памяти вместо простого запуска дополнительных копий одного агента.
Агенты улучшают рабочий процесс, а не веса модели
Рекурсивное самоулучшение здесь означает, что система меняет способ дальнейшего поиска решений на основе предыдущих попыток. AReaL-RSI не обучает базовую LLM заново: она редактирует внешние профили агентов, накопленные знания и повторяемые рабочие процедуры.
Работа идёт циклами. В начале каждого цикла ведущий агент подбирает исследовательские профили под задачу. Каждый агент решает задачу целиком, но получает собственную ориентацию: например, может искать другой класс решений или использовать отдельную процедуру проверки. Это отличается от разбиения задачи на независимые подзадачи, результаты которых затем нужно механически склеить.
Ведущий агент следит не только за текущей оценкой кандидата, но и за перспективностью направления. Ранний результат может выглядеть слабым из-за ошибки реализации, хотя сама идея полезна. Обратная ситуация тоже возможна: удачный кандидат работает лишь при узких условиях. Поэтому система не переводит всю команду на вариант, который первым вышел вперёд.
Общая память хранит наблюдение, предлагаемое объяснение, условия проверки, оставшуюся неопределённость и ссылки на журналы экспериментов. Нерешённую проблему ведущий агент передаёт только одному дополнительному исследователю с подходящей специализацией. Подтверждённое решение можно распространить шире, но получатель всё равно проверяет его в собственных условиях.
После завершения задачи ведущий агент отдельно разбирает ход исследования. Он может изменить ориентацию профиля, добавить знание с границами применимости или сохранить навык: последовательность действий, критерии проверки и вспомогательные сценарии. Новая версия попадает только в последующие циклы, а уже запущенные агенты продолжают работать со своим снимком конфигурации.
Специализация устранила провалы простого обмена опытом
AReaL-RSI сравнили с Codex-Goal на оптимизации конфигураций агентов, GPU-ядер и нескольких исследовательских задачах. В Terminal Bench доля решённых заданий выросла на 2,2 процентного пункта с каждой базовой моделью. В KernelBench среднее ускорение оказалось выше на 32,2–36,8%.
Отдельный эксперимент показал, зачем системе нужны разные роли. Простой обмен опытом иногда снижал задержку готового GPU-ядра, а иногда ухудшал результат по сравнению с независимым поиском. Обмен в сочетании со специализированными профилями дал минимальную задержку во всех сопоставимых случаях: до 27,5% ниже независимого поиска и до 33,9% ниже одного лишь обмена.
Эта разница указывает на проблему общей памяти без правил применения. Получив один и тот же совет, одинаковые агенты могут преждевременно сосредоточиться на общей гипотезе. Разные исследовательские ориентации сохраняют альтернативы, а сведения об условиях эксперимента помогают не переносить частный результат на неподходящую реализацию.
Архитектуру команды стоит пересмотреть, бюджет масштабирования — пока нет
Для систем, которые пишут код, запускают эксперименты и получают автоматическую оценку результата, работа предлагает применимую схему. Локальное состояние агента стоит отделить от общей базы доказательств. Каждую передаваемую находку полезно связывать с исходным артефактом, условиями проверки и уровнем уверенности, а не сохранять как универсальную рекомендацию.
Роли тоже лучше задавать внешними версиями профилей, а не только разными формулировками запроса в начале сессии. Тогда команда может обновлять способы поиска, проверочные сценарии и накопленные знания без дообучения модели. Версионирование не даст позднему разбору старой задачи перезаписать более новую конфигурацию.
Проверки охватывали обе базовые модели, три класса задач и конфигурации с четырьмя параллельными агентами. Сравнение не устанавливает эффективность при одинаковых вычислительных затратах, а для повторных запусков работа не даёт оценки разброса. Отдельно не измерено, насколько именно обновление профилей между циклами улучшает будущие задачи.
Поэтому AReaL-RSI пока меняет архитектурный приоритет, но не обосновывает увеличение бюджета на агентов. Практический следующий шаг — сравнить независимые копии, общую память и сочетание памяти со специализацией в собственной среде, учитывая расходы ведущего агента, экспериментов и итогового разбора. Если задачи нельзя автоматически проверить, главный источник преимущества этой схемы — накопление подтверждённых процедур — становится труднее использовать.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
