arXiv · 10.08.2026 ·Оркестрация агентов

Open-Ended Optimization: новый подход к саморазвивающимся ИИ-агентам

Исследователи представили концепцию Open-Ended Optimization (OEO), которая ставит под сомнение необходимость жестко заданных пайплайнов оптимизации для ИИ-агентов. Вместо следования предписанным алгоритмам сбора данных и ревизии артефактов, модель-оптимизатор самостоятельно определяет стратегию взаимодействия и ресурсы, исходя из поставленной цели. Это позволяет агентам гибко адаптировать процесс обучения и улучшения под конкретные задачи без участия человека-разработчика.

Традиционные фреймворки для саморазвивающихся агентов опираются на фиксированные процедуры: выбор кандидатов, критерии остановки и методы сбора доказательств. Авторы работы доказывают, что при использовании современных frontier-моделей такие ограничения становятся избыточными. Метод OEO переносит фокус с жесткого программирования шагов на динамическое управление контекстом и целеполаганием, что делает систему более автономной и эффективной в непредсказуемых средах.

Переход к открытой оптимизации позволяет агентам самостоятельно выстраивать цепочки рассуждений и корректировать свои внутренние артефакты в реальном времени. Такой подход снижает сложность проектирования агентных систем, так как разработчику больше не нужно заранее описывать каждый этап итеративного улучшения. Модель сама оценивает, какие действия принесут наибольший прогресс в решении задачи, что открывает путь к созданию более универсальных и адаптивных интеллектуальных систем.

Ключевые факты

Концепция Open-Ended Optimization (OEO) заменяет жесткие пайплайны оптимизации на динамическое управление процессом.
Метод позволяет frontier-моделям самостоятельно определять стратегию сбора данных и критерии ревизии артефактов.
Подход снижает зависимость от заранее прописанных алгоритмов выбора кандидатов и условий остановки.
Исследование направлено на повышение автономности агентов в задачах, требующих постоянного самосовершенствования.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

Hacker News · Оркестрация агентов Respect the Oracle: новый подход к борьбе с переобучением ИИ-агентов Инструмент Respect the Oracle предлагает новый метод борьбы с переобучением ИИ-агентов при выполнении задач в динамических средах. Решение внедряет механизм «оракула», который ограничивает агента в чрезмерной подстройке под конкретные обучающие примеры, заставляя его придерживаться более обобщенных стратегий. Это позволяет повысить надежность агентных систем при работе с непредсказуемыми входными данными. arXiv · Разработка и инструменты SkillOpt-Lite: упрощенный метод самообучения ИИ-агентов через нулевой порядок оптимизации Исследователи представили SkillOpt-Lite — минималистичный фреймворк для оптимизации навыков автономных агентов. В отличие от сложных многоэтапных систем, метод использует подход нулевого порядка (ZO) для итеративного улучшения способностей агента. Это позволяет значительно сократить вычислительные затраты и упростить пайплайн обучения, сохраняя при этом высокую эффективность настройки параметров модели для выполнения целевых задач. Hacker News · Оценка и бенчмарки Новый подход к оценке эволюции агентных систем Исследователи представили методологию переосмысления оценки эволюции агентных систем, направленную на решение проблем нестабильности существующих бенчмарков. Авторы анализируют, как именно меняются способности агентов при итеративном дообучении и изменении архитектуры, предлагая более строгие метрики для отслеживания прогресса в выполнении сложных многошаговых задач, что позволяет точнее прогнозировать реальную производительность ИИ-агентов в динамических средах. Hacker News · Безопасность и алайнмент Метод контроля саморазвивающихся ИИ-агентов через инъекции с подкреплением Исследователи представили новый подход к управлению автономными агентами, способными к самообучению. Метод использует механизм «самоподкрепляющихся инъекций» (self-reinforcing injections), позволяющий сохранять контроль над поведением модели даже при её эволюции. Это решает проблему «дрейфа» целей, когда агент в процессе итеративного улучшения начинает отклоняться от заданных инструкций, сохраняя при этом стабильность выполнения целевых задач. Hugging Face - Blog · Оценка и бенчмарки Новый подход к оценке агентных способностей открытых моделей Hugging Face представила методологию для оценки того, насколько эффективно языковые модели справляются с использованием внешних инструментов. В отличие от стандартных тестов на логику или знание фактов, новый подход фокусируется на способности модели вызывать функции, интерпретировать ответы API и корректировать свои действия в рамках многошаговых задач. Это позволяет разработчикам точнее определять, какая модель лучше подходит для создания автономных агентов. arXiv · Обучение и дообучение OpenThoughts-Agent: новый подход к подготовке данных для обучения ИИ-агентов Исследователи представили OpenThoughts-Agent — методологию создания обучающих датасетов, направленную на повышение универсальности агентных моделей. В отличие от узкоспециализированных решений, ориентированных на конкретные бенчмарки, данный подход позволяет обучать модели, способные эффективно справляться с широким спектром задач, требующих многошагового планирования, рассуждения и взаимодействия с внешними инструментами в различных средах. Hacker News · Разработка и инструменты Улучшение ИИ-агентов через траектории в пространстве токенов без дообучения Исследователи представили метод оптимизации поведения ИИ-агентов, основанный на анализе успешных траекторий действий без изменения весов модели. Подход заключается в манипуляции пространством токенов, что позволяет направлять агент к выполнению сложных задач через уточнение контекста и промптов, основываясь на прошлых результатах выполнения, исключая необходимость дорогостоящего дообучения или градиентного спуска. Hacker News · Оркестрация агентов Концепция Loop Engineering: динамическое переключение моделей в агентных системах Методология Loop Engineering предлагает новый подход к проектированию ИИ-агентов через динамическое переключение между различными моделями в рамках одного рабочего цикла. Вместо использования одной универсальной LLM, система делегирует конкретные этапы задачи специализированным моделям, таким как Claude или Codex, что позволяет оптимизировать точность выполнения кода и логических операций при сохранении контроля над состоянием процесса. Hacker News · Исследования и наука Концепция Red Queen Gödel Machine: коэволюция агентов и их оценщиков Исследователи представили концепцию «Машины Гёделя Красной Королевы» — архитектуры, в которой ИИ-агенты и их системы оценки развиваются совместно. Этот подход направлен на решение проблемы стагнации при обучении, заставляя агентов постоянно адаптироваться к усложняющимся критериям качества, что позволяет преодолеть ограничения традиционных методов оптимизации и достичь более высокого уровня автономности в сложных задачах. Hacker News · Инфраструктура для агентов Оптимизация сквозного инференса через самообучающихся агентов Исследователи представили подход к ускорению сквозного инференса за счет использования самообучающихся агентов. Метод фокусируется на динамической оптимизации вычислительных путей, позволяя моделям сокращать количество шагов рассуждения при сохранении точности ответов. Это решение направлено на снижение задержек в сложных агентных системах, где каждый цикл генерации токенов критически влияет на общую производительность и стоимость эксплуатации инфраструктуры.

← Все материалы