Исследовательская группа представила информацию, согласно которой автономные агенты могут ускорять своё обучение благодаря продолжительному выполнению реальных задач в условиях взаимодействия с пользователем и внешними системами
Искусственный интеллект155 минут назад
В недавно опубликованной научной статье команда Seed AI компании ByteDance утверждает, что ИИ-агенты — автономные программные системы, которые выполняют задачи вместо человека — способны удваивать скорость обучения примерно каждые три месяца при длительном взаимодействии с реальными средами.
Здесь речь идет не о традиционном обучении на заранее подготовленных наборах данных, а о процессе пост-развёртывания, в котором агент совершенствует своё поведение на основе накопленного опыта в реальных сценариях. Такой метод рассматривается как альтернатива классической стратегии масштабирования моделей за счёт увеличения объёма данных и вычислительных ресурсов.
Авторы подчеркивают, что индустрия ИИ уже сталкивается с ограничениями «грубой силы» в обучении моделей. Ранее представители сектора, включая сооснователя Андрея Карпату, отмечали, что простое увеличение вычислений и данных не может оставаться единственным двигателем прогресса в долгосрочной перспективе.
В то же время исследователи подчеркивают, что поведение ИИ-агентов после интеграции в реальные среды остаётся недостаточно изученным, несмотря на растущее количество компаний, переходящих к агентным системам, способным выполнять сложные многошаговые операции.
Для анализа этого процесса команда ByteDance разработала бенчмарк EdgeBench, который включает 134 длительных задачи, каждая из которых требует не менее 12 часов непрерывной работы ИИ-агента.
Задачи охватывают широкий спектр дисциплин — от программной инженерии и научных исследований до формальной математики и профессиональной аналитической работы. Такой подход позволяет оценивать не только точность решений, но и способность системы поддерживать стабильность и эффективность в условиях длительного автономного функционирования.
Результаты исследования вписываются в более широкий тренд развития агентного ИИ, где ключевым направлением становится не только качество исходной модели, но и её способность обучаться и адаптироваться после внедрения в реальную эксплуатацию.
Darth SaharaИсточники:South China Morning PostИскусственный интеллект1Искусственный интеллектКитайByteDanceИИ-агенты55 минут назад
Источник