RRSI: метод автоматической оптимизации систем ИИ-агентов
M@machinelearning_interviewAI-инженер
1 месПредставлен метод RRSI для оптимизации промптов, инструментов и логики ИИ-агентов без изменения весов модели, повышающий эффективность на 8 бенчмарках.
Новый метод позволяет ИИ-агентам работать эффективнее и дешевле без необходимости переобучения самих моделей.
- Повышает точность выполнения задач как на обучающих, так и на новых данных.
- Снижает затраты на токены на 30%, что делает использование агентов экономичнее.
- Позволяет гибко настраивать системную логику и инструменты агента автоматически.
⚡️ Агенты научились улучшать собственную обвязку
RRSI оптимизирует не веса модели, а всю систему вокруг неё: промпты, инструменты, память, управление контекстом и логику выполнения задач.
Обычное самоулучшение быстро подгоняется под тесты. RRSI ограничивает число изменений, отсекает хаки под конкретный бенчмарк и удаляет дорогие или бесполезные компоненты.
Результат на 8 бенчмарках:
• до +14,1 пункта на обучающих задачах
• до +4,7 пункта на новых задачах
• на 30% меньше токенов
Практический RSI без переобучения самой модели.
https://huggingface.co/papers/2609.24972
https://github.com/google-research/rrsi
Кратко (AI)
Исследователи представили метод RRSI, который позволяет ИИ-агентам самостоятельно оптимизировать свою системную обвязку, включая промпты и инструменты, без переобучения базовой модели. Метод ограничивает количество изменений для предотвращения подгонки под бенчмарки и демонстрирует улучшение производительности при снижении расхода токенов.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖