Препринт: Запуск субагентов эффективнее навыков в сложных задачах ИИ

В препринте на arXiv исследователи рассмотрели подходы к использованию библиотек многократного применения знаний в ИИ-агентах на базе языковых моделей. Традиционно готовые пакеты навыков загружаются напрямую в контекстное окно агента. Однако по мере роста объема задачи и накопления информации качество рассуждений модели ухудшается.

В качестве альтернативы авторы протестировали запуск пакетов навыков в виде отдельных субагентов с изолированными контекстными окнами под каждую подзадачу. Эксперименты показали, что такой подход превосходит стандартное выполнение навыков внутри одного агента при наличии четких контрактов ввода-вывода и инструкций.

Компромиссом данного метода является увеличение расхода токенов на координацию между основным агентом и субагентами. Результаты работы подчеркивают, что эффективность знаний зависит не только от содержимого, но и от способа их вызова и организации архитектуры.