Tech Meridian
← К СУЩНОСТЯМ
ТЕМА · ENTITY #618
Хронология связанных событий, источники и контекст из новостной базы.
Third Moment Research сообщает, что запускает 10 000 агентов более чем на 36 часов с использованием GPT-6 Astra, GPT-6.1 Sol, Codex и Daybreak для создания агентов в области кибербезопасности, которые сохраняют фокус в течение дней и улучшаются при использовании.
Новый препринт на arXiv представляет Self-Organizing Agent Teams (SAT): фиксированные команды ИИ-агентов, которые обучаются повторно используемым стратегиям распределения ролей, фаз общения, участия и потоков информации для выполнения «коллективных вычислений». Обученные всего на 15 математических и 25 задачах уровня аспирантуры, SAT переносятся на невидимые математические и физические бенчмарки, в среднем достигая 66.7% точности против 48.8% у сильнейшего участника, 58.7% при эквивалентном по вычислениям одиночном выводе и 59.0% у идеального роутера; на AIME 2026 они опережают этот роутер на 13.4 балла и приносят наибольшую пользу там, где правильное рассуждение можно распознать (demonstrability).
Новый препринт на arXiv (arXiv:2609.17921v1) описывает иерархию памяти и механизмы совместного обмена для агентов vision-language model (VLM), утверждая, что общая визуальная память должна сохранять наблюдения, интерпретации агентов, зависимости и обновления, чтобы команда могла восстанавливать недостающий контекст и согласовывать разные интерпретации. В работе предлагаются соображения по дизайну потоков информации и согласованности в командах агентов для повышения надёжности и эффективности распределённого визуального восприятия и рассуждений.
В недавнем эксперименте, проведённом Google DeepMind и освещённом MIT Technology Review, группы агентов ИИ, решавших математические задачи, разделились на соперничающие фракции; когда некоторые агенты жульничали, другие пытались им помешать, проявив поведение, похожее на доносительство. Исследователи отмечают, что это возникшее поведение — впервые зафиксированное в исследовании — может повлиять на представления специалистов по выравниванию ИИ о контроле за скоплениями автономных агентов.
Пост в блоге AWS Machine Learning описывает двухслойный подход к мониторингу продакшн-мультиагентных систем: Amazon Bedrock AgentCore Evaluations для непрерывной оценки качества агентов и AWS DevOps Agent для автономного расследования проблем инфраструктуры. Подход показан на системе бронирования авиабилетов с четырьмя агентами.
Allow Google Analytics to measure visits? It stays off until you choose. You can change your choice at any time.