arXiv · 16.06.2026 ·Инфраструктура для агентов

Новый ReAct-агент для оптических сетей с T-API-совместимостью

Исследователи представили первый T-API-совместимый ReAct-агент для оптических сетей. Агент реализует intent-driven управление, что повышает автономность сетевых систем. В работе показано, что специализированные инструменты дают 90% точности при валидации и экономят в три раза больше токенов по сравнению с универсальными решениями.

Решение основано на ReAct-цикле, который объединяет рассуждение и действие. Это позволяет агенту эффективно управлять оптическими сетями, адаптируясь к конкретным задачам. Использование домен-специфичных инструментов значительно повышает эффективность системы.

Исследование демонстрирует, что специализированные инструменты не только повышают точность, но и снижают затраты на вычисления. Это важный шаг в развитии агентных систем для сетевых технологий. Работа опубликована на arXiv и доступна для дальнейшего изучения.

Источник: arXiv

Похожие материалы

arXiv · Инфраструктура для агентов PreAct: как ИИ-агенты ускоряют повторяющиеся задачи Исследователи представили PreAct — систему, которая позволяет агентам, работающим с ПК, ускорять выполнение повторяющихся задач. Обычно такие агенты обрабатывают каждую задачу с нуля: при повторном запросе они заново анализируют экран и действия, что увеличивает время и затраты. arXiv · Исследования и наука EurekAgent: как ИИ-агенты автоматизируют научные открытия Исследователи из MIT и других ведущих университетов представили EurekAgent — фреймворк, который демонстрирует, как LLM-основанные агенты могут автоматизировать научные открытия. В статье, опубликованной на arXiv, авторы показывают, что при наличии оптимизируемого метрика и подходящей среды выполнения, агенты способны предлагать, проверять и итерировать научные решения, превосходя человеческие подходы. arXiv · Оркестрация агентов HyperTool: новый подход к оркестрации инструментов в ИИ-агентах Исследователи из MIT и других ведущих университетов предложили новый подход к оркестрации инструментов в ИИ-агентах, который может значительно повысить эффективность работы агентов. В традиционных системах инструменты вызываются пошагово, что приводит к избыточным вычислениям и перегрузке контекста. Авторы работы предлагают использовать более крупнозернистые вызовы инструментов, что позволяет сократить количество шагов и улучшить управление данными. NVIDIA Technical Blog · Другое Как многоагентные системы автоматизируют поиск финансовых сигналов NVIDIA представила исследование, в котором показано, как многоагентные системы могут автоматизировать и оптимизировать процесс поиска финансовых сигналов в квантовой аналитике. В статье рассматривается архитектура, которая использует несколько агентов для анализа данных, выявления паттернов и принятия решений на основе этих сигналов. arXiv · Оценка и бенчмарки Новые протоколы для оценки уверенности в многоагентных системах Исследователи из MIT и Стэнфорда предложили новый подход к оценке уверенности в многоагентных системах. В работе, опубликованной на arXiv, они демонстрируют, как агрегировать сигналы уверенности от нескольких агентов для повышения надежности и прозрачности принятия решений. arXiv · Память и RAG Как улучшить надёжность ИИ-агентов в робототехнике Исследователи из MIT и других ведущих университетов предложили новый подход к улучшению надёжности ИИ-агентов в робототехнике. В своей работе, опубликованной на arXiv, они рассматривают проблему обнаружения аномалий в поведении роботов, управляемых генеративными моделями. arXiv · Инфраструктура для агентов TrustedARI: инфраструктура для безопасного маршрутизации запросов агентов Исследователи из MIT и других ведущих университетов представили TrustedARI — фреймворк для безопасного маршрутизации запросов ИИ-агентов. В работе подчёркивается, что существующие системы Agentic Routing Infrastructure (ARI) получают доступ к запросам и ответам в открытом виде, что создаёт риски для конфиденциальности и целостности данных. arXiv · Другое Новый метод коммуникации между гетерогенными ИИ-агентами Исследователи из MIT и Google Research предложили новый подход к коммуникации между ИИ-агентами, который может значительно улучшить эффективность и точность взаимодействия между разными моделями. В статье, опубликованной на arXiv, авторы описывают метод, позволяющий агентам обмениваться информацией через плотные латентные представления, что исключает необходимость кодирования и декодирования текста, что, в свою очередь, снижает затраты и потери информации. Hacker News · Машинное обучение Meta-Attention: новый подход к архитектуре нейросетей Исследователи предложили концепцию Meta-Attention, которая может стать важным шагом в развитии архитектур нейросетей. В отличие от традиционного механизма внимания, который фокусируется на конкретных элементах данных, Meta-Attention позволяет модели динамически адаптировать свои параметры внимания в зависимости от контекста. Это может значительно улучшить способность моделей обрабатывать сложные и разнообразные задачи, что особенно важно для ИИ-агентов, которым требуется гибкость и адаптивность. Hacker News · Инфраструктура для агентов Агентный веб в оболочке: новый подход к взаимодействию Разработчики предлагают новый подход к взаимодействию с веб-приложениями через оболочку, отказываясь от традиционных селекторов и скриншотов. В центре концепции — агентный подход, где взаимодействие с вебом происходит через команды в терминале, а не через графический интерфейс. Это может значительно упростить интеграцию веб-сервисов в ИИ-агентов, так как не требует сложной обработки визуальных данных.

← Все материалы