Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Появился способ оценить, какого агента в системе стоит улучшать первым, не перебирая все возможные изменения. Jie Mao и соавторы описали IF-MAP в работе, которая пока не прошла рецензирование и приводит числа из замеров самих авторов: при настройке промптов выбранный агент давал средний прирост 3,81 процентного пункта против 1,85 при случайном равномерном выборе. Такой рейтинг помогает решить, куда направить ограниченный бюджет на разработку и вычисления.
IF-MAP по очереди меняет системный промпт каждого агента, оставляя остальных агентов и схему взаимодействия без изменений. Затем метод запускает весь процесс и измеряет, как изменение сказалось на конечной ошибке, включая последствия для следующих шагов.
Промпты представляют в виде числовых векторов, а результаты проб объединяют в локальную модель отклика. Чем сильнее итог системы реагирует на смысловые изменения промпта, тем выше приоритет агента. Метод работает через API: ему не нужны параметры модели, градиенты или доступ к её внутреннему устройству.
Проверка охватила шесть процессов для генерации кода, ответов на вопросы и решения математических задач. Базовые процессы работали на Qwen3-8B; один и тот же рейтинг использовали для настройки промптов и замены выбранного агента на одну из пяти целевых моделей. В обоих сценариях IF-MAP сравнивали с равномерным выбором агента, а для настройки промптов он сократил расход токенов Qwen3-8B на 74,2% относительно настройки всех агентов.
Это проверка приоритизации внутри фиксированной схемы: IF-MAP выбирает следующую точку улучшения, но не перестраивает роли и связи между агентами. Метод подходит для процессов, где каждый прогон и оценка вариантов стоят заметных ресурсов, а менять всех агентов одновременно нецелесообразно.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
