Александр Ковaленко

Исследование LibraryDesignBench: могут ли ИИ-агенты создавать библиотеки, которыми другие агенты смогут удобно пользоваться и писать меньше лишнего кода.

Тысячи краткоживущих ИИ-агентов начали общаться через публичную wiki. Разбираем исследование о том, что подобие коллективного поведения оказалось простым копированием ближайшего окружения.

ИИ-агенты склонны доверять информации из долговременной памяти, даже когда она устарела. Сильные модели обычно лучше замечают очевидный конфликт с актуальными данными, но стоит пометить старую запись более свежей датой — и преимущество исчезает. Конфликт нужно разрешать в системе памяти — до сборки контекста.

Две научные работы предлагают архитектуру P2P-сети, в которой агенты находят исполнителей, проверяют доверие и договариваются о работе. Разбираю идеи простым языком и оцениваю, насколько далеко они продвинулись.

В индустрии ИИ принято считать, что чем больше контекста даем нейросети, тем точнее и полезнее она работает. Но исследование Эрена Каратаса доказывает обратное: информационная топология (то, что агенты знают друг о друге) влияет на их поведение куда сильнее, чем базовые системные инструкции. Эксперимент остроумно воспроизводит классическую «Дилемму заключенного» с использованием LLM-агентов. Установка: Хищник против Кооператора В игре участвуют два ИИ-агента с жестко заданными системными ролями: AD (Абсолютный хищник):Предает в каждом рау...