Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Параллельные ИИ-агенты научились сохранять промежуточные решения, неудачные эксперименты и связи между ними, чтобы следующие попытки продолжали накопленную работу. GitSwarm набрал 79,4% на ProgramBench против 65,1% у лучшего базового подхода при сопоставимом вычислительном бюджете. Работа пока не рецензирована, а числа получили сами авторы; для разработчиков агентных систем вывод практический: общая история может быть полезнее очереди независимых запусков.
Авторы называют подход накопительными вычислениями во время ответа (compounding inference). Одинаковые агенты асинхронно работают с общим Git-репозиторием: изучают прежние материалы, выбирают задачу и сохраняют результат отдельным коммитом. Они могут развивать одну ветку, но явно указывать, какие находки из других веток использовали.
Центральный планировщик не распределяет роли и не задаёт порядок действий. Служебная система запускает агентов, изолирует их рабочие каталоги и проверяет формат публикации, а сами агенты решают, исследовать ли новую гипотезу, проверить чужой результат, исправить решение или объединить несколько линий работы. Перед финалом они выдвигают кандидатов, и система выбирает коммит с наибольшим числом голосов.
На ProgramBench последующие агенты использовали 94,7% опубликованных вкладов. В эксперименте с архитектурой Residual Matrix Transformer неудачная идея о памяти предыдущего токена вернулась в работу спустя 49,5 часа: другой агент расширил её до нескольких токенов, и получившийся механизм вошёл в итоговую модель. Такая история сохраняет не только код, но и причины, по которым появился следующий результат.
GitSwarm проверяли на восстановлении программ, математических доказательствах и исследованиях архитектур нейросетей с GPU. Работали агенты на GPT-5.5, Gemini-3.1-Pro и других вариантах GPT; для ProgramBench систему сравнивали с одним агентом, которого многократно просили продолжить работу. На задачах доказательства подход Best-of-N с идеальным проверяющим также достиг максимума при меньших затратах токенов, поэтому результаты пока не показывают универсального преимущества GitSwarm.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
