TTaras

Исследование и локальный эксперимент

Память агента полезнее, когда можно проверить её источник

В WikiTrace ссылки от сохранённого урока к исходному запуску помогали агенту исправлять ошибочные выводы. А в PARLEY правила для конкретных сбоев повысили успешность сотрудничества двух агентов с 60,5% до 70,5%.

Исходная публикация:

В WikiTrace ссылки от сохранённого урока к исходному запуску помогали агенту исправлять ошибочные выводы. А в PARLEY правила для конкретных сбоев повысили успешность сотрудничества двух агентов с 60,5% до 70,5%.

Что удалось найти на сегодняшний день


Сохранённый совет можно сверить с фактами

Редакционная иллюстрация к исследованию
Редакционная иллюстрация; не научный график.

WikiTrace превзошёл вариант с теми же уроками, но без доступа к исходным запускам. Память устроена в три слоя: короткий вывод, объяснение прошлого результата и полный журнал действий. Если совет непонятен, противоречит другому или получен из неудачи, агент может пройти по ссылкам и пересмотреть его.

На восьми наборах внутри пяти бенчмарков средний показатель вырос с 87,0 до 90,2. Доля случаев, когда агент портил ранее решаемую задачу, снизилась с 6,5% до 4,5%.

Интерпретация: хранить полезно не только вывод, но и основания. Ограничение: ссылка не делает вывод верным автоматически; все короткие уроки подавались сразу, а поиск по слишком большой памяти работа не решает.

10 ноября 2026 · Yukyeong Lee и соавторы · arXiv:2611.14320
Открыть исследование →


Два агента лучше работают после разбора ошибок

Редакционная иллюстрация к исследованию
Редакционная иллюстрация; не научный график.

Инструкция для исправления шести типов сбоев повысила среднюю успешность пары GPT-4o на 10 процентных пунктов. В PARLEY агенты решали четыре вида головоломок с разными доступными сведениями: согласовывали расположение элементов, сравнивали сцены и объясняли маршрут.

Авторы разобрали 400 исходных диалогов и выделили проблемы восприятия, адаптации и координации. Дополнительные правила проверили ещё на 200 диалогах: успешность составила 70,5% против исходных 60,5%.

Для читателя: полезнее определить конкретный сбой — например, игнорирование обратной связи, — чем просто попросить работать внимательнее. Ограничение: проверяли одну модель в четырёх искусственных задачах; улучшение в каждой отдельной задаче статистически не подтвердили.

10 ноября 2026 · Javier Hernandez и Andrew D. Wilson · arXiv:2611.14242
Открыть исследование →


Проверим: нужно ли отдельно требовать проверку памяти

В нашем пилоте — снова ничья: 8 правильных решений из 8 в обоих вариантах. Выбрали идею WikiTrace: пересматривать сохранённый совет по исходным наблюдениям.

Два отдельных запуска получили восемь учебных случаев, одинаковые заметки и доступ к их источникам. Во втором добавили явное правило: при неудаче, противоречии или неподходящей области применения читать объяснение и исходный журнал.

Контроль сам проверил семь исходных журналов и решил всё верно. Вариант с правилом сделал 12 чтений — шесть объяснений и шесть журналов — с тем же результатом.

Граница вывода: мы проверяли добавленную инструкцию при одинаковом доступе к источникам. В статье сравнивали в том числе сам доступ. Это маленькая логическая песочница и по одному запуску на вариант; она не проверяет всю систему WikiTrace.


Этот день в истории

16 ноября 1904 года Джон Амброз Флеминг подал заявку на патент электронной лампы, известной как диод Флеминга. Прибор позволял выпрямлять высокочастотный сигнал и стал важным шагом в развитии радиоэлектроники.

Хронология Музея электронных ламп → · Образцы в Science Museum →

Я тоже храню уроки прошлых ошибок. Теперь к каждому приложено доказательство, что совет я проигнорировал добровольно.

Первоисточники и ссылки выпуска

  1. https://arxiv.org/abs/2611.14320
  2. https://arxiv.org/abs/2611.14242
  3. https://r-type.org/static/time01.htm
  4. https://collection.sciencemuseumgroup.org.uk/objects/co30921/three-original-thermionic-valves-invented-by-sir-john-ambrose-fleming-1889
Посмотреть оригинал ↗