Принстон зерттеуі: Арнайы AI агенттері жеке модельдерден асып түседі

Принстон университетінің жаңа зерттеуі мамандандырылған AI агенттерінің жақсы ұйымдастырылған командасы бір үлкен модельден асып түсетінін көрсетті. Зерттеушілер әртүрлі әзірлеушілер жасаған тар мамандандырылған агенттерді біріктіріп, олардың жүйесі бағдарламалық инженерия және ойлау тапсырмаларындағы күрделі көрсеткіштерде шамамен 70% дәлдікке қол жеткізді.

Бұл ең жақсы AI агенттерін жасау жарысының аясында маңызды: OpenAI, Anthropic және Google DeepMind өнімділік бойынша белсенді түрде бәсекелесуде. Масштабтан гөрі үйлестіруді қолдайтын қорытынды бұл жарыстың ережелерін өзгерте алады.

Негізінде "агент нарығы" концепциясы жатыр. Авторлар оны ауруханамен салыстыруды ұсынады: барлық нәрсені бір жалпы тәжірибелі дәрігердің басқаруының орнына, кардиолог, радиолог және хирург бар, әрқайсысы нақты тапсырмаға назар аударады. Принстон жүйесінде қосалқы агенттер нақты домендерге бейімделген, бөлек әзірленген, содан кейін күрделі мәселелерде бірге жұмыс істейді. Принцип қарапайым: мамандандыру плюс композиция масштабтағы жалпылаудан асып түседі.

Негізгі көрсеткіш SWE-bench жүйесінде алынды, ол AI-дың бағдарламалық инженерия тапсырмаларын қаншалықты жақсы орындайтынын тексереді. Шамамен 70% дәлдік жүйенің күрделі тапсырмалардың оннан жетеуін сәтті шешкенін білдіреді.

Бұл тәсіл екі таныс идеяға негізделген: ансамбльдік оқыту, мұнда бірнеше модельдердің ұжымдық пікірі кез келген біреуінен күшті, және микросервис архитектурасы, мұнда үлкен қосымша кішігірім тәуелсіз қызметтерге бөлінеді, әрқайсысы бір нәрсені жақсы орындайды. Принстон бұл принциптерді тіл модельдеріндегі автономды агенттерге қолданады. Жұмыс Принстонның бұрынғы жобасы SWE-agent негізінде құрылған, ол тіл модельдеріне бағдарламалық инженерияда агент ретінде әрекет етуге мүмкіндік берді; жаңа зерттеу оны бір агенттен үйлестірілген командаға дейін кеңейтеді.

Ең тікелей қорытынды архитектуралық. Егер мамандандыру және композиция шын мәнінде әмбебап агенттен асып түссе, әзірлеушілер үшін сұрақ өзгереді: "модельді қалай үлкейту керек" емес, "қалай дұрыс бөліктерді біріктіру керек". Жаңа дизайн мәселелері туындайды: қай агенттер шақырылады, олар контекстті қалай бөліседі, олардың нәтижелері қалай біріктіріледі.