Исследователи из Принстонского университета доказали, что система из нескольких специализированных ИИ-агентов может работать эффективнее, чем одна универсальная модель. В ходе тестирования на платформе SWE-bench, предназначенной для оценки навыков программирования и логики, такая комбинация достигла точности около 70%.
Авторы работы называют этот подход рынком агентов. Вместо того чтобы полагаться на одну модель, система объединяет узкоспециализированные инструменты, разработанные разными командами. Методология опирается на принципы ансамблевого обучения и микросервисной архитектуры, где каждый компонент выполняет свою конкретную задачу.
Результаты исследования указывают на возможную смену парадигмы в разработке ИИ: вместо бесконечного увеличения масштаба моделей разработчикам предстоит сосредоточиться на интеграции и координации различных компонентов. Это ставит перед индустрией новые задачи по управлению взаимодействием агентов.
Ученые подчеркивают, что работа в контролируемой среде SWE-bench отличается от реальных условий. Использование нескольких агентов создает дополнительные риски, так как ошибка одного специалиста может повлиять на всю цепочку, а поиск причин сбоя в такой системе сложнее, чем при анализе работы одного алгоритма.
