arXiv · 10.08.2026 ·Обучение и дообучение

Macaron-V1: новая архитектура для непрерывного обучения ИИ-агентов

Представлена архитектура Macaron-V1 — семейство открытых агентных моделей, спроектированных для непрерывного обучения в реальных условиях после развертывания. Система использует механизмы рекурсивного самосовершенствования и смесь LoRA-адаптеров (Mixture-of-LoRA), что позволяет агентам накапливать опыт и адаптироваться к новым задачам без потери ранее приобретенных навыков, обеспечивая стабильную работу в динамических средах.

Ключевой особенностью подхода является разделение процессов адаптации и оценки. Модели работают в связке с внешними контрактами, которые валидируют опыт, полученный в ходе эксплуатации. Это позволяет системе автоматически формировать новые конфигурации на основе накопленных данных, превращая каждый цикл взаимодействия с окружением в источник для дообучения и оптимизации весов модели.

Использование Mixture-of-LoRA позволяет эффективно масштабировать знания агента, подключая специализированные адаптеры для конкретных доменов. Такой подход решает проблему катастрофического забывания, с которой сталкиваются классические модели при попытке дообучения на потоковых данных. Архитектура ориентирована на создание «эмпирического интеллекта», способного эволюционировать вместе с задачами, которые он выполняет.

Ключевые факты

Macaron-V1 реализует концепцию непрерывного обучения (continual learning) в реальных средах.
Основной механизм адаптации базируется на рекурсивном улучшении версионированных пар «модель-обвязка».
В архитектуре применяется технология Mixture-of-LoRA для гибкого управления знаниями.
Система использует внешние контракты для оценки качества опыта перед его интеграцией в модель.
Разработка направлена на создание моделей, способных к самосовершенствованию после деплоя.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Машинное обучение Новый подход к обучению агентов пониманию и генерации движений Исследователи представили метод адаптации моделей для непрерывного обучения агентов, работающих с человеческими движениями. Решение использует модификации LoRA для последовательного освоения новых концепций — от спортивных стилей до специфических жестов — без потери ранее накопленных знаний. Это позволяет ИИ-агентам эффективно адаптироваться к динамическим средам, сохраняя двунаправленную способность к преобразованию текста в движение и обратно. MarkTechPost · Модели и релизы Induction Labs представила Photon-1: мультимодальную модель для предсказания физики из видео Компания Induction Labs анонсировала Photon-1 — фундаментальную модель, способную обучаться на «сырых» видеоданных без использования меток действий. Архитектура модели, основанная на принципе Mixture-of-Experts, позволяет предсказывать динамику систем, включая работу с интерфейсами рабочего стола и физические процессы, опираясь исключительно на визуальный ряд. Это решение устраняет необходимость в разметке действий, которая ранее выступала главным ограничением для обучения агентных моделей. Hacker News · Обучение и дообучение Генерация LoRA-адаптеров из файлов Skill.md для настройки ИИ-агентов Сервис TerraDev представил инструмент для автоматического создания LoRA-адаптеров на основе файлов формата Skill.md. Решение позволяет преобразовывать структурированные описания навыков и алгоритмов действий в специализированные веса для дообучения языковых моделей. Это упрощает процесс адаптации LLM под выполнение сложных агентных задач, требующих специфических знаний или последовательности действий, без необходимости полного переобучения базовой модели. Hacker News · Инфраструктура для агентов Непрерывное обучение ИИ-агентов через real-time обучение с подкреплением Исследователи представили подход к непрерывному обучению ИИ-агентов, использующий обучение с подкреплением (RL) в реальном времени. Метод позволяет моделям адаптироваться к изменяющимся условиям среды и новым задачам без необходимости полной перетренировки. Это решает проблему «забывания» старых навыков при освоении новых, обеспечивая агентам возможность динамически обновлять свои стратегии поведения в процессе эксплуатации системы. arXiv · Исследования и наука Новый взгляд на непрерывное обучение моделей: от весов к агентным парадигмам Исследователи пересмотрели классический подход к непрерывному обучению (Continual Learning), который ранее ограничивался лишь обновлением параметров нейросетей. Авторы работы предлагают расширить область применения CL, включив в неё агентные стратегии, такие как обучение на основе политик (on-policy learning). Это позволяет моделям адаптироваться к новым данным не только через изменение весов, но и через динамическое взаимодействие с внешней средой. Hacker News · Память и RAG Концепция агент-ориентированных систем памяти Исследователи представили концепцию агент-ориентированной системы памяти, которая выходит за рамки классического RAG. В отличие от статических векторных баз данных, новая архитектура предлагает динамическое управление контекстом, позволяя ИИ-агентам самостоятельно структурировать, обновлять и извлекать накопленный опыт в зависимости от текущих задач, что критически важно для долгосрочной автономной работы сложных систем. arXiv · Машинное обучение MaLoRA: новый метод адаптации LLM через селективное состояние Исследователи представили MaLoRA — метод адаптации языковых моделей, который дополняет стандартные LoRA-адаптеры селективной рекуррентностью в пространстве состояний. В отличие от статических обновлений весов, этот подход позволяет модели динамически адаптироваться к конкретным токенам и контексту, значительно повышая эффективность рассуждений и точность обработки сложных последовательностей без необходимости полного дообучения параметров модели. Hacker News · Инфраструктура для агентов Micro-Agent: новый подход к коллаборации моделей через API Команда vLLM представила концепцию Micro-Agent, позволяющую превзойти возможности крупных фронтирных моделей за счет оркестрации множества специализированных агентов внутри API. Вместо использования одной монолитной модели система динамически распределяет задачи между узкоспециализированными компонентами, что повышает точность выполнения сложных запросов и снижает общие затраты на инференс при сохранении высокой производительности в агентных сценариях. Hacker News · Оркестрация агентов Mixture of Actors: новый подход к масштабированию агентных систем Концепция Mixture of Actors (MoA) предлагает архитектурное решение для повышения производительности ИИ-агентов через динамическую маршрутизацию задач между специализированными моделями. Вместо использования одной универсальной LLM, система распределяет запросы между пулом агентов, оптимизируя точность ответов и снижая вычислительные затраты за счет выбора наиболее подходящего исполнителя для конкретного типа подзадачи в реальном времени. Hacker News · Инфраструктура для агентов Mnemo AI: локальный агент с механизмом обучения на ошибках Mnemo AI — это инструмент для создания локальных ИИ-агентов, который внедряет механизм обучения на основе прошлых неудач. Система анализирует ошибки в выполнении задач и корректирует последующие действия модели, повышая точность работы. Решение поддерживает интеграцию с любыми LLM через локальный инференс, обеспечивая приватность данных и гибкость в настройке агентных сценариев.

← Все материалы