Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
LLM-агента научили работать с длинной задачей как с цепочкой отдельных сессий, а не как с единым непрерывным диалогом. Хотя работа не прошла рецензирование и числа получили сами авторы, команда LARK, HKUST(GZ), Huawei и партнёров показала максимальный прирост точности на 10,1% относительно обычного подхода. Это сокращает разрыв между обучением и рабочим контуром, где агент сжимает контекст или запускает подагентов.
Обычное агентное обучение с подкреплением назначает всей траектории одну итоговую оценку и передаёт её каждому фрагменту. При нескольких сессиях такой сигнал не различает полезный поиск, неудачное сжатие контекста и результативную работу подагента. Все части успешной или проваленной траектории получают одинаковую оценку.
Mosaic разделяет сигнал на два уровня. Для всей траектории метод учитывает результат и число сессий: успешному агенту выгоднее решить задачу короче, а неуспешный не получает поощрение лишь за экономию шагов. Для отдельной сессии Mosaic оценивает, повысила ли она вероятность правильного ответа, и сравнивает её только с фрагментами того же типа — обычным поиском, сжатием контекста или работой подагента. Отдельная модель-оценщик для этого не нужна.
Наиболее заметный результат получен при сжатии контекста: среднее число сессий на траекторию снизилось с 3,17 до 2,35 одновременно с ростом точности. Метод не просто ограничивает вычисления, а учит агента продолжать работу там, где новая сессия добавляет полезную информацию.
Проверка охватывает Qwen3.5-4B и BrowseComp — набор из 1266 вопросов, для которых нужно долго искать и связывать сведения в интернете. Эксперименты включали сжатие контекста и ветвление подагентов, а обучение чередовало сбор траекторий и обновление модели. Поэтому результат напрямую относится к собственному обучению агентов с такими механизмами исполнения, но пока не показывает, как Mosaic поведёт себя при асинхронном сборе траекторий в производственном масштабе.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
