Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Многоагентную систему научили менять только проблемную часть графа и повторно использовать результаты остальных агентов. В препринте, который не проходил рецензирование, все числа получили сами авторы: на WorkBench система довела до требуемого состояния 55,4% задач. Такой подход позволяет дорабатывать сценарий во время выполнения, не оплачивая каждый новый вариант как полный запуск.
Новый вариант наследует рабочие части предыдущего
Inherit-MAS строит направленный граф агентов. Метамодель назначает каждому узлу роль, инструкцию, доступные инструменты, входы и выходы, а связи определяют передачу промежуточных результатов.
После запуска отдельная модель-оценщик читает итог и журнал работы. Она оценивает полноту ответа, покрытие требований, опору на найденные данные и общее качество, а затем отмечает полезные и проблемные узлы.
Следующий вариант начинается с последнего завершённого графа, а не создаётся заново. Система может удалить узлы, которые не помогли, и внести одно изменение: поправить инструкцию, заменить подзадачу, изменить доступ к инструменту, добавить агента или перестроить связь.
Перед запуском детерминированный валидатор проверяет граф. Он отклоняет циклы, несовместимые входы и выходы, запрещённые инструменты и другие нарушения интерфейса задачи. Это гарантирует корректную структуру, но не улучшение результата: неудачный вариант всё равно расходует бюджет попыток.
После завершения серии доработок контроллер возвращает лучший из сохранённых вариантов. Поэтому слабое позднее изменение не затирает более удачный ранний ответ.
Кэш срабатывает только при полном совпадении запроса
Сохранить узел графа недостаточно: изменение выше по цепочке может дать ему другие входные данные. Inherit-MAS поэтому отделяет наследование структуры от повторного использования результата.
Для каждого узла система собирает полный фактический запрос. В него входят инструкция агента, упорядоченные результаты предшественников, модель и её настройки, разрешённые инструменты, лимиты выполнения, состояние среды, версии среды исполнения и внешних сервисов. Запрос преобразуется в стабильный ключ и сверяется с локальным хранилищем текущей задачи.
Готовый результат подставляется только при точном совпадении ключа и успешной проверке записи. Модельные вызовы и операции чтения можно наследовать, а остальные узлы выполняются заново. Проверка остаётся консервативной даже вне изменённой части графа: одинаковое положение узла само по себе не даёт права использовать старый ответ.
На HotpotQA FullWiki система получила 49,7% по совместной F1 — метрике, которая требует и правильного ответа, и подтверждающих его предложений. На обоих наборах Inherit-MAS опередила EvoAgent, EvoMAS и TacoMAS с GPT-4o-mini и Qwen3-32B.
Повторное использование результатов сократило расход токенов рабочих агентов на 29,1% в WorkBench и на 34,6% в HotpotQA. Общая экономия оказалась скромнее — 5,3% и 18,1%, поскольку метамодель и модель-оценщик при каждой попытке работали заново.
Планы стоит менять только для сценариев с повторной доработкой
Архитектура применима там, где система строит или меняет граф под конкретную задачу и запускает несколько близких вариантов. Для фиксированного сценария с единственной попыткой наследовать нечего: обычный кэш отдельных вызовов даст более простую конструкцию.
Практический вывод для платформы агентов — хранить не только текст ответа, но и каноническое описание всего запроса. Придётся версионировать среду, парсер и инструменты, сохранять входы в установленном порядке, проверять целостность записей и отличать операции чтения от действий, которые меняют внешнее состояние.
Точное совпадение уменьшает число попаданий в кэш, зато не подменяет вычисление результатом из другого контекста. Это особенно важно после изменения раннего узла: внешне неизменившийся агент может получить новые доказательства и выдать другой ответ.
Метод проверяли на WorkBench и HotpotQA FullWiki с двумя моделями рабочих агентов. В сравнении участвовали развивающиеся многоагентные системы EvoAgent, EvoMAS и TacoMAS, а также одиночный агент Single ReAct; эталонные ответы и официальные метрики были скрыты от контроллера во время запуска.
Работа подтверждает архитектурную идею лучше, чем готовность конкретного контроллера к внедрению. Командам имеет смысл заимствовать строгий ключ кэша, неизменяемое хранилище результатов и локальные правки графа, но качество модели-оценщика и правила выбора изменений всё равно придётся проверять на собственных задачах.
Источники
Иллюстрация: рисунок из статьи «Inherit-MAS: Test-Time Evolution of Multi-Agent Systems through Workflow and Execution Inheritance», Songtao Wei, Yi Li, Zhichun Guo и др., CC BY 4.0
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
