Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Опыт более дорогого агента научились переносить в меньшую модель без её обучения и без доступа к внутренним состояниям источника. Команда с участием Zhejiang University и Alibaba Group представила REVEAL: в препринте, который не прошёл рецензирование и где числа получили сами авторы, метод повысил точность трёх моделей на Terminal-Bench 2.1 на 5,62–6,74 процентного пункта. Такой подход может сократить число постоянных обращений к ведущей модели, если у команды уже есть записи её работы.
REVEAL использует текстовые траектории: запросы, ответы агента, результаты вызова инструментов и итоговую отметку об успехе. Целевая модель повторно читает успешные и неудачные траектории одной задачи, а метод сопоставляет похожие этапы и ищет различия в том, как модель меняет внутреннее представление перед следующим ответом.
Из этих различий REVEAL строит отдельный управляющий вектор для каждой целевой модели. Во время работы вектор добавляют к её внутреннему состоянию один раз перед каждым ответом. Параметры модели не меняются, дополнительный вызов исходной модели не нужен, но для подготовки вектора требуется офлайн-повтор траекторий на каждой целевой модели.
Метод проверили на Qwen3.6-27B, Gemma-4-31B-IT и GPT-OSS-20B. На Terminal-Bench 2.1 они работали в командной строке, а на Humanity’s Last Exam — решали задачи с инструментами; REVEAL обошёл исходных агентов во всех шести сочетаниях модели и набора. В отдельном сравнении на Qwen3.6-27B он решил 35 задач против 32 после дообучения на тех же траекториях и во время выполнения потратил на 36% меньше входных и на 50% меньше выходных токенов. Эти расходы не включают сбор траекторий и офлайн-подготовку.
Проверка проходила внутри тех же наборов задач, из которых брали размеченные траектории, без отдельной выборки новых задач. Поэтому результат показывает способ адаптировать агента к известному классу процессов, но пока не подтверждает перенос в другую среду. Для продукта метод имеет смысл там, где уже накоплены успешные и неудачные запуски ведущей модели и можно заранее подготовить управление для фиксированного агента.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
