ИССЛЕДОВАНИЕ · RESEARCH · #2194
Structured Authority Injection (SAI): протокол для постоянных человеческих переопределений в агентах на базе LLM
В статье предложен Structured Authority Injection (SAI) — протокол, который направляет правки оператора через типизированные, схематически проверяемые вызовы инструмента Model Context Protocol (MCP) и поддерживает ранжированный контекст полномочий, добавляемый в начало каждого запроса к LLM. SAI определяет три класса переопределений (Constraint, Priority, Strategy) с разной семантикой персистентности и приоритетом, обеспечиваемым направленным каналом полномочий, не требует дообучения моделей; оценка на девяти LLM и восьми сценариях показала снижение неоднозначной интерпретации директив и ослабления влияния оператора (в отдельных случаях снижение накладных расходов на промпт до ~38%), при этом эффект зависит от модели и сценария.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье предложен Structured Authority Injection (SAI) — протокол, который направляет правки оператора через типизированные, схематически проверяемые вызовы инструмента Model Context Protocol (MCP) и поддерживает ранжированный контекст полномочий, добавляемый в начало каждого запроса к LLM.
- SAI определяет три класса переопределений (Constraint, Priority, Strategy) с разной семантикой персистентности и приоритетом, обеспечиваемым направленным каналом полномочий, не требует дообучения моделей; оценка на девяти LLM и восьми сценариях показала снижение неоднозначной интерпретации директив и ослабления влияния оператора (в отдельных случаях снижение накладных расходов на промпт до ~38%), при этом эффект зависит от модели и сценария.
- SAI важен тем, что предлагает протокольно-уровневый, схематически проверяемый механизм, делающий директивы человека обязательными и постоянными в циклах планирования агентов без изменения моделей, закрывая важный пробел в контроле таких систем.
ПОЧЕМУ ЭТО ВАЖНО
SAI важен тем, что предлагает протокольно-уровневый, схематически проверяемый механизм, делающий директивы человека обязательными и постоянными в циклах планирования агентов без изменения моделей, закрывая важный пробел в контроле таких систем.