Исследователи из Оксфордского университета опубликовали 4 ноября 2026 года на платформе arXiv работу Zero-Shot Coordination among LLM Agents. В ней говорится, что современные ИИ-агенты на базе больших языковых моделей сталкиваются с трудностями при взаимодействии с незнакомыми партнерами, демонстрируя низкую эффективность координации.
Для тестирования команда использовала упрощенные среды на базе фреймворка Dec-POMDP, включая игру Cat and Dog. Выяснилось, что агенты плохо понимают принципы координации и не могут эффективно анализировать намерения и убеждения других участников. Различия в интерпретации текстовых промптов приводят к рассогласованию действий.
Авторы предложили решение под названием coordination-friendly definitions, или CFD. Это принципы на естественном языке, которые направляют поведение агентов. Использование CFD помогает системам выбирать безопасные стратегии и приходить к общим соглашениям. Эти определения можно генерировать автоматически с помощью метаобучения.
Результаты исследования показывают, что высокая вычислительная мощность моделей не гарантирует качественную командную работу. Внедрение общих фреймворков, таких как CFD, рассматривается как способ улучшения взаимодействия между агентами из разных систем, что актуально для сфер робототехники и разработки ПО.
