Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Явное сообщение лимитов памяти и времени заставило ИИ-агентов менять структуру программ ещё до запуска. В нерецензированном препринте Manu Agrawal, где числа получены самим автором, такой код работал до 3,1 раза быстрее. Для программных агентов это аргумент в пользу того, чтобы передавать ограничения среды как часть задания, а не проверять их только после выполнения.
Claude Opus 5, GPT-5.6-Sol и Gemini 3.7 Flash генерировали код для вычисления попарных евклидовых расстояний в многомерных данных. Каждая модель получала либо только задачу, либо задачу вместе с контрактом исполнения: уложиться в 128 МБ оперативной памяти и 10 секунд.
Без такого контракта агент планирует так, будто ресурсы не ограничены. Автор называет это слепотой к среде исполнения. После добавления лимитов модели чаще разбивали данные на блоки, сохраняли числа в формате float32, обходили только верхнюю половину симметричной матрицы и использовали буферы на месте или файлы, отображённые в память.
Пиковое потребление памяти снизилось в 13 из 14 сопоставимых запусков, а среднее время выполнения — у всех трёх моделей. При более жёстком лимите в 96 МБ особенно заметен результат GPT-5.6-Sol: с контрактом бюджет выдержали все пять программ, без него — одна из пяти. В разных группах средний расход памяти сократился на 49–74%, время — на 35–64%.
Проверка охватывает три конфигурации моделей и одну численную задачу, где последствия выбора алгоритма легко измерить. Поскольку материал подготовлен по абстракту без полного текста, точную процедуру сопоставления запусков из него восстановить нельзя. Результат стоит воспринимать как контролируемое подтверждение идеи: ограничения среды полезно включать в состояние, на основании которого агент строит план.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
