НОВОСТЬ · RESEARCH · #159
К самадаптивному физическому ИИ: могут ли агенты на LLM справляться с долгосрочными физическими задачами?
В препринте на arXiv предложена многоагентная архитектура, объединяющая планирование, вызов инструментов, наблюдение и верификацию для создания самадаптирующихся физических ИИ-агентов, способных решать долгосрочные задачи в нулевой постановке. При оценке на сельскохозяйственных задачах по сравнению с RL-агентами авторы сообщают, что агенты на LLM сопоставимы с RL при тех же погодных условиях и лучше адаптируются при изменении среды.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В препринте на arXiv предложена многоагентная архитектура, объединяющая планирование, вызов инструментов, наблюдение и верификацию для создания самадаптирующихся физических ИИ-агентов, способных решать долгосрочные задачи в нулевой постановке.
- При оценке на сельскохозяйственных задачах по сравнению с RL-агентами авторы сообщают, что агенты на LLM сопоставимы с RL при тех же погодных условиях и лучше адаптируются при изменении среды.
- Если результаты подтвердятся, это указывает на путь к самадаптирующимся физическим агентам, способным управлять долгосрочными реальными задачами без дообучения и лучше переносить изменения среды.
ПОЧЕМУ ЭТО ВАЖНО
Если результаты подтвердятся, это указывает на путь к самадаптирующимся физическим агентам, способным управлять долгосрочными реальными задачами без дообучения и лучше переносить изменения среды.