Стэнфорд университетінің зерттеуі көрсеткендей, өзін-өзі ұйымдастыратын жасанды интеллект агенттерінің командалары жеке модельдер мен дәстүрлі көпагентті тәсілдерден асып түседі, олар пікірталас пен дауыс беруге негізделген.
Жаңа жұмыста ИИ-агенттер топтарының шағын өткен тапсырмалар жиынтығы негізінде ынтымақтастыққа үйренетін және содан кейін осы командалық жұмыс стратегияларын мүлдем жаңа тапсырмаларға қолданатын әдістеме ұсынылған. Бұл тәсіл SAT (Self-Organizing Teams) деп аталады. Ол бес математикалық және физикалық тест бойынша орташа 66,7% дәлдік көрсетті – бұл топтағы ең жақсы жеке агенттің нәтижесінен (48,8%) айтарлықтай жоғары.
Дәстүрлі көпагентті жүйелер әдетте қатал сценарийді ұстанады: агенттер мәселені талқылайды, содан кейін шешім үшін дауыс береді. SAT принципті түрде басқа тәсілді қолданады – агенттер командалары өздерінің ұйымдастырушылық құрылымдарын, рөлдерді, қатысу ережелерін, диалог кезеңдерін және ақпарат ағындарының схемаларын әзірлейді.
Негізгі идея – таңқаларлықтай аз деректер жиынтығында оқу. SAT командалары өздерінің бірлескен нұсқауларын AIME 2024 бойынша небәрі 15 тапсырма немесе GPQA Diamond бойынша 25 тапсырма пайдаланып әзірледі, содан кейін бұл стратегияларды мүлдем басқа тест жиынтықтарына өзгеріссіз ауыстырды, олармен бұрын-соңды кездескен емес. Концепция көп жағдайда ұйымдастырушылық психологиядан алынған. Агенттер өзара пікір алмасып, бір-бірінің логикасын оспарлап, жеке агент үшін қол жеткізілмейтін жауаптарға келу үшін жартылай шешімдерді біріктіреді.
Қолданылған модельдер тізімі ИИ жұлдыздарының командасы сияқты. Математика мен физика тапсырмаларында o3-mini, Claude Sonnet 4 және DeepSeek-V3, ал білім мен логика тесттерінде – Gemini-2.5-Flash, Llama-4-Maverick және GPT-4.1 пайдаланылды.
Ұқсас мақалалар
