Исследователи представили метод SoftSkill, который меняет подход к передаче инструкций и навыков для ИИ-агентов. Традиционно агенты используют текстовые файлы в формате Markdown, где прописаны правила поведения и алгоритмы выполнения задач. Однако такой подход требует от языковой модели каждый раз интерпретировать длинный текст, что снижает эффективность и точность исполнения инструкций в процессе генерации.
Технология SoftSkill предлагает концепцию «поведенческого сжатия» (behavioral compression). Вместо того чтобы полагаться на интерпретацию естественного языка, метод преобразует текстовые описания навыков в компактные векторные представления, которые напрямую интегрируются в параметры модели. Это позволяет агенту усваивать сложные поведенческие паттерны без необходимости каждый раз перечитывать и анализировать объемные системные промпты.
Результаты экспериментов показывают, что такой подход значительно сокращает задержки при выполнении задач и повышает стабильность работы агентов в условиях контекстной адаптации. Метод позволяет передавать специфические «привычки» использования данных и алгоритмы действий более эффективно, минимизируя риск галлюцинаций, возникающих при неверной интерпретации длинных текстовых инструкций. Это решение открывает путь к созданию более быстрых и предсказуемых автономных систем, способных гибко переключаться между различными сценариями работы.