Hacker News · 09.07.2026 ·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.

Архитектура MoA заимствует принципы Mixture of Experts, но переносит их на уровень агентного взаимодействия. Система включает в себя «маршрутизатор», который анализирует входящий запрос и определяет, какой агент или группа агентов обладают необходимой экспертизой для решения задачи. Это позволяет эффективно комбинировать сильные стороны различных моделей, например, сочетая высокую скорость ответов компактных моделей с глубокой логикой более мощных систем.

Такой подход решает проблему «универсальности», когда одна модель может быть избыточной для простых задач или недостаточно точной для узкоспециализированных. Внедрение MoA позволяет разработчикам создавать более гибкие пайплайны, где каждый агент выполняет роль эксперта, что значительно повышает общую надежность агентных систем при работе со сложными многошаговыми процессами.

Ключевые факты

Архитектура MoA использует динамическую маршрутизацию для распределения задач между специализированными агентами.
Система минимизирует вычислительные издержки, избегая использования тяжелых моделей для простых запросов.
Метод позволяет комбинировать модели разного размера и специализации в рамках одного рабочего процесса.
Подход направлен на повышение точности ответов за счет делегирования задач экспертным агентам.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

Hacker News · Оркестрация агентов Переход от монолитных ИИ-агентов к композиции специализированных систем Вместо создания одного «раздутого» ИИ-агента, способного решать любые задачи, архитекторы систем переходят к композиции узкоспециализированных агентов. Такой подход позволяет повысить точность ответов, упростить отладку и снизить потребление токенов. Разделение ответственности между агентами, каждый из которых экспертен в своей предметной области, становится новым стандартом проектирования масштабируемых агентных систем. Hacker News · Модели и релизы Nous Research представила архитектуру Hermes MoA для повышения точности LLM Компания Nous Research анонсировала архитектуру Mixture-of-Agents (MoA), позволяющую объединять несколько специализированных языковых моделей для достижения более высоких результатов. Согласно бенчмаркам, система демонстрирует значительный прирост производительности по сравнению с ведущими проприетарными моделями, превосходя показатели Claude 3 Opus на 8% и GPT-4o на 11% в ряде ключевых задач, что подтверждает эффективность агентного подхода к генерации ответов. Hacker News · Оркестрация агентов Архитектурные подходы к построению мультиагентных систем для сложных задач Мультиагентные системы (MAS) становятся ключевым подходом для решения задач, требующих декомпозиции и итеративного выполнения. В отличие от монолитных LLM-приложений, MAS распределяют роли между специализированными агентами, что позволяет повысить точность обработки сложных запросов, минимизировать галлюцинации и эффективно управлять контекстным окном за счет разделения ответственности между узлами системы. 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 Самоорганизующиеся агентные рои: архитектура динамического проектирования Исследователи представили концепцию самоорганизующегося агентного роя, способного динамически изменять свою структуру для решения сложных задач. Система автоматически распределяет роли между агентами, адаптируя архитектуру взаимодействия в зависимости от текущего контекста и требований проекта. Такой подход позволяет минимизировать ручное проектирование пайплайнов, делегируя управление потоками данных и логикой исполнения самой агентной сети. arXiv · Машинное обучение Мультиагентные системы для многокритериальной оптимизации в динамических средах Исследователи представили новый подход к решению задач оптимизации в вычислительных и сетевых системах с помощью мультиагентных систем. Традиционные методы обучения с подкреплением часто сводят сложные задачи к минимизации единого скалярного вознаграждения, используя штрафные коэффициенты для учета ограничений. Однако такой подход оказывается недостаточно гибким в динамических условиях, где требования к производительности и затратам постоянно меняются. arXiv · Модели и релизы Agents-A1: 35B модель с производительностью уровня триллионных систем Исследователи представили Agents-A1 — модель типа Mixture-of-Experts (MoE) с 35 млрд параметров, которая достигает эффективности систем с триллионами параметров за счет масштабирования «горизонта агента». Подход фокусируется на увеличении длины траекторий планирования и расширении спектра гетерогенных способностей, что позволяет модели решать сложные задачи без необходимости пропорционального увеличения количества параметров. Hacker News · Инфраструктура для агентов Оптимизация стоимости и безопасности в агентных рабочих процессах Разработан новый подход к проектированию агентных систем, направленный на снижение затрат на инференс и повышение предсказуемости поведения моделей. Основная идея заключается в переходе от использования тяжелых LLM для выполнения всех этапов задачи к многоуровневой архитектуре, где сложные логические операции делегируются специализированным компактным моделям или жестко заданным алгоритмическим модулям. arXiv · Оркестрация агентов Новый подход к маршрутизации множества ИИ-агентов Исследователи из Университета Карнеги-Меллон представили новую работу, посвящённую компиляционным методам в задачах маршрутизации множества агентов (MAPF). В отличие от классических подходов, где все агенты должны достичь заданных целей без столкновений, авторы рассматривают варианты с разными требованиями к агентам. Hacker News · Оркестрация агентов Метод бесконфликтного ансамбля для взаимодействия Claude и Codex Представлен подход к созданию мультиагентных систем, позволяющий эффективно объединять возможности моделей Claude и Codex без возникновения логических противоречий. Метод использует механизм согласования ответов, который минимизирует конфликты при генерации кода и принятии решений, повышая общую надежность агентных пайплайнов за счет динамического выбора наиболее подходящего эксперта для конкретной задачи.

← Все материалы