Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Текстовый навык агента можно обновлять под новые задачи, не стирая полезные процедуры из прежних. Метод SSPE не просто отклоняет конфликтующую правку, а пытается сохранить её пользу и устранить побочные эффекты, хотя препринт не рецензирован, а числа получили сами авторы. Для систем с регулярно меняющимися инструкциями это предлагает альтернативу полному переобучению и простому откату.
SSPE переносит идею из непрерывного обучения (continual learning). Там Orthogonal Gradient Descent убирает из шага обучения направления, которые меняют прежние прогнозы. У текстовой инструкции нет градиента и подходящего числового пространства, поэтому метод ищет конфликты по поведению агента.
Сначала модель свободно переписывает общий навык по свежим траекториям. Затем SSPE выбирает ранее освоенные способности, которых может коснуться правка, и запускает исходную и новую версии на одинаковых проверочных задачах. Если кандидат помогает текущей задаче, но портит старую, модель получает конкретные успешные и неудачные траектории и переписывает инструкцию; если совместимую версию найти не удалось, система сохраняет прежний навык.
При исполнении через GPT-5.4 итоговый навык набрал в среднем 77,5% на SpreadsheetBench, SearchQA, BFCL и DocVQA. После переноса той же инструкции без дополнительной адаптации на GPT-4.1 средняя точность составила 63,75% против 60,31% у агента без навыка. Преимущество не было одинаковым на всех задачах: другие варианты лидировали на SpreadsheetBench и SearchQA.
Проверка охватывала синтетические потоки и сгруппированную последовательность из четырёх предметных областей с преимущественно фиксированным порядком. SSPE сравнивали с неизменяемой инструкцией, SkillGrad, SkillOpt и агентом без навыка. Поэтому результат показывает, что поведенческая проверка помогает на таком потоке, но не устанавливает её устойчивость при произвольном чередовании задач.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
