Наш ориентир то, что сближает людей

Научный мир сообщил о двух прорывных разработках, которые приближают создание по-настоящему автономных ИИ-агентов. Главная тенденция — отказ от зависимости от внешних обучающих датасетов (структурированных наборов данных, используемых для обучения ИИ) и освоение долговременной, накапливаемой памяти.

Исследователи Salesforce Research и Стэнфорда представили систему Agent0, которая полностью отказывается от внешних данных. Два агента, созданные из одной базовой модели, проходят цикл ко-эволюции: один генерирует сложные задачи (Curriculum agent), а другой учится их решать, используя встроенные инструменты (Executor agent).

Этот самоподдерживающийся процесс позволяет ИИ развивать свои навыки за пределами человеческого знания. В тестах базовая модель Qwen3-8B-Base показала значительный рост способностей: на 18% в математике и на 24% в общем рассуждении.

Параллельно этому, BAAI, Пекинский политехнический университет и Гонконгский университет представили подход General Agentic Memory (GAM), который преобразует способ формирования памяти. В отличие от современных систем, использующих поверхностный поиск, GAM формирует память через глубокое исследование.

Система использует компоненты Memorizer (сжимает информацию) и Researcher (планирует поиск и проверяет релевантность данных). Это означает, что знания, полученные для одной задачи, масштабируются на будущие, формируя доменную экспертизу, а не одноразовый контекст. Технология уже достигает более 90% точности на сложных многошаговых задачах.

Вместе эти разработки показывают, что ИИ-агенты движутся к полной автономии и способности наращивать собственный, уникальный интеллектуальный капитал.

ORIENT

Фото: создано с помощью искусственного интеллекта