Опыт OpenAI по координации роя агентов для решения уравнений Навье-Стокса
E@ProductsAndStartupsAI-инженер
1 месРазбор процесса координации 10 тысяч агентов OpenAI для решения уравнений Навье-Стокса: методология, архитектура и результаты эксперимента.
Это пример того, как масштабирование многоагентных систем может решать задачи, недоступные для одиночных моделей.
- Демонстрирует эффективность разделения агентов на группы для сохранения разнообразия идей.
- Показывает важность промежуточного 'knowledge transfer' между этапами вычислений.
- Подчеркивает огромные вычислительные затраты, необходимые для подобных экспериментов.
Вы наверное уже в курсе про Navier-Stokes, а мне стало интересно, как было организован поиск этого решения, потому как нам всем надо учиться эффективно организовывать и координировать работу роя агентов. В ту же степь мой рассказ про OpenAI/HF инцидент
Итак:
1) сначала они выделили отдельные группы на доказательство и на опровержение
2) внутри группы агенты могут болтать, между группами - нет, чтобы не нарушить diversity идей и мнений
3) интересно, что параллельно они решили группировку агентов отправить на миссию попроще - проблема для уравнений Эйлера - и именно та победила. Что удивило и воодушевило openai исследователей
4) эту победу скормили остальным как промпт - эдакий knowledge transfer - а Codex выступал вроде эдакого научрука, координирующего phd-шников; промежуточные выводы каждой группы он переводил в следующий цикл
5) важно: где-то в середине всего этого подвезли новую модель и переключили на нее агентов
6) ну а дальше - история
итого: 88 часов, 10K параллельных агентов, 2.7M сообщений, 130B output токенов - по ценам gpt 6 astra это порядка $7M (на все задачки - $15M).
я сейчас похожий workflow - но, разумеется, не с таким бюджетом - тестирую на одной kaggle задачке. Обязательно расскажу и поделюсь, если получится что-то дельное
КонтекстAI
Речь идет об экспериментах OpenAI по использованию LLM-агентов для решения сложных научных задач. В данном случае рассматривается кейс, где агенты пытались найти решение уравнений Навье-Стокса, используя итеративный процесс с участием модели Codex в качестве координатора.
Кратко (AI)
Автор анализирует подход OpenAI к организации работы роя из 10 тысяч агентов для решения сложных математических задач, таких как уравнения Навье-Стокса. В процессе использовалось разделение на группы с ограниченным общением, перенос знаний через промпты и координация через модель Codex. Эксперимент показал эффективность многоагентных систем при правильной архитектуре взаимодействия.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖