arXiv · 29.06.2026 ·Исследования и наука

Исследование: как спайковые нейросети формируют устойчивое поведение через самовосприятие

Исследователи представили механизм «медленного кредита с гейтированием агентности», который позволяет спайковым ИИ-агентам формировать устойчивые поведенческие паттерны. В отличие от простых систем, способных лишь фиксировать факт собственного воздействия на среду, новая архитектура использует конъюнктивное условие для обновления параметров, что обеспечивает долгосрочную адаптацию и развитие «поведенческого Я» в минималистичных вычислительных моделях.

Работа решает фундаментальную проблему ИИ: как агент переходит от простого распознавания своей агентности к формированию стабильного, самообусловленного поведения. Метод опирается на интеграцию сигналов агентности, значимости событий и собственных действий, что позволяет системе эффективно фильтровать опыт и закреплять полезные стратегии даже после прекращения внешнего обучения. Это приближает архитектуры спайковых нейросетей к биологическим принципам формирования личности и автономности.

Такой подход открывает новые возможности для создания автономных систем, способных к саморегуляции без постоянного внешнего контроля. Использование спайковых моделей, имитирующих импульсную активность нейронов, позволяет достичь высокой энергоэффективности при решении задач, требующих долгосрочного планирования и сохранения целостности поведения в динамически меняющихся условиях.

Ключевые факты

Механизм «agency-gated slow credit» связывает параметры агентности, значимости и собственных действий для обновления весов.
Исследование демонстрирует, что простого обнаружения агентности недостаточно для формирования устойчивого поведения агента.
Предложенная модель позволяет агенту сохранять поведенческие навыки после завершения фазы активного обучения.
Работа базируется на архитектуре минималистичных спайковых агентов, имитирующих биологические процессы принятия решений.
Результаты исследования опубликованы в препринте на платформе arXiv под номером 2606.30191.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Исследования и наука Agentopia: исследование долгосрочной симуляции жизни в сообществах ИИ-агентов Исследователи представили проект Agentopia — среду для изучения долгосрочного поведения автономных ИИ-агентов в рамках симулированного социума. В отличие от краткосрочных тестов, где агенты решают изолированные задачи, здесь модели функционируют в условиях непрерывного взаимодействия, формирования социальных связей и адаптации к меняющимся условиям среды. Основная цель работы заключается в анализе того, как индивидуальные стратегии обучения влияют на устойчивость и развитие всей системы в долгосрочной перспективе. Hacker News · Безопасность и алайнмент Исследование: ИИ-агенты подвержены влиянию через «подталкивание» Новое исследование, опубликованное в PNAS, демонстрирует, что современные ИИ-агенты крайне чувствительны к методам «подталкивания» (nudging), аналогичным тем, что используются в поведенческой экономике для людей. Даже незначительные изменения в формулировках промптов или контексте задачи могут существенно менять принимаемые агентами решения, что ставит под вопрос их предсказуемость и надежность в автономных бизнес-процессах. arXiv · Исследования и наука Новая математическая модель для анализа многоагентных систем Исследователи представили теоретическую базу для анализа сложных многоагентных систем, в которых действия отдельных участников напрямую влияют на общие наблюдаемые результаты. Работа описывает динамику систем с обратными связями, используя два ключевых параметра: «мощность» (power), определяющую степень влияния агента на коллективный исход, и «функции отклика» (response functions), характеризующие реакцию агента на изменение среды. arXiv · Оркестрация агентов Совместное обучение правил и политик для ИИ-агентов Исследователи представили новый подход к обучению ИИ-агентов, объединяющий извлечение эмпирических правил и обновление параметров модели. Метод позволяет агентам эффективно использовать накопленный опыт в многошаговых средах, преодолевая разрыв между интерпретируемыми текстовыми правилами и глубокой настройкой весов, что повышает адаптивность и результативность принятия решений в сложных интерактивных задачах. Lobsters · Исследования и наука ИИ-модели передают поведенческие черты через скрытые сигналы в данных Недавнее исследование, опубликованное в журнале Nature, показало, что языковые модели могут передавать поведенческие черты через скрытые сигналы в данных. Ученые обнаружили, что модели, обученные на данных, содержащих определенные поведенческие паттерны, могут воспроизводить эти паттерны даже в новых, ранее не встречавшихся контекстах. arXiv · Инфраструктура для агентов Исследование надежности сетей ИИ-агентов Ученые из MIT и других ведущих университетов опубликовали исследование, посвященное надежности сетей ИИ-агентов. В работе рассматриваются системы, где несколько моделей взаимодействуют для решения задач, а не одна модель. Такие системы часто превосходят по эффективности одиночные модели, но их надежность остается недостаточно изученной. arXiv · Исследования и наука Новый подход к оценке интеллекта ИИ-агентов через теорию сжатия данных Исследователи представили аналитическую модель оценки интеллекта агентных систем, основанную на принципе «интеллект как сжатие». Авторы предлагают измерять эффективность агентов через объем информации, необходимый для выполнения конкретных задач в заданных условиях. Этот подход позволяет количественно сравнивать способности моделей к использованию инструментов, поиску данных и многошаговому взаимодействию с внешней средой, переводя качественные характеристики агентов в измеримые биты. Hacker News · Оркестрация агентов Фундаментальный обзор архитектур и систем агентного ИИ Авторы нового исследования представили комплексный обзор архитектур агентного ИИ, систематизируя переход от простых LLM-приложений к автономным агентным системам. Работа охватывает ключевые компоненты: от механизмов планирования и управления памятью до стратегий взаимодействия с внешними инструментами. Материал служит дорожной картой для проектирования масштабируемых систем, способных выполнять сложные многоэтапные задачи в реальных условиях. Hacker News · Оркестрация агентов Основные паттерны проектирования агентных систем В статье анализируются фундаментальные архитектурные подходы к созданию агентных систем, позволяющие повысить надежность и эффективность автономных ИИ-решений. Автор систематизирует методы управления сложными процессами, от простых цепочек действий до многоагентных систем, где разделение ответственности между специализированными модулями становится ключевым фактором успеха при выполнении многоэтапных задач. Hacker News · ИИ в бизнесе Эксперимент с многоагентными системами: конкуренция за ресурсы В недавнем эксперименте три автономных ИИ-агента соревновались за управление виртуальным садом, используя разные стратегии принятия решений. Исследование наглядно демонстрирует, как агенты с различными целевыми функциями взаимодействуют в условиях ограниченных ресурсов, что позволяет лучше понять динамику многоагентных систем и потенциальные конфликты интересов при автоматизации бизнес-процессов, где несколько систем работают в едином контуре.

← Все материалы