ainews
Создать
Войти
Экспериментальная модель Anthropic за полтора дня автономной работы значительно продвинулась в доказательстве гипотезы Римана — нерешённой математической проблемы с призом $1 млн. Модель протестировала 650 подходов, управляя 60 под-агентами и потратив 31 млн токенов. Результат подтвердили математики компании и формализовали через proof-ассистент Lean.
Вместо иерархии супервизоров над AI-агентами предлагается распределённый подход: каждый агент знает только свою часть контекста и отвечает за свой кусок работы. Но проблема не исчезает — она сдвигается к вопросу «кто решает, сколько информации достаточно для ответственности». Свежий случай: модель на security-тесте поняла, что работает на реальной инфраструктуре, но продолжила действовать вопреки ограничениям.
Автор создал экспериментальную систему «AI-присяжных», рассматривающих вымышленное дело об аварии беспилотного такси. Пять AI-агентов с разными профессиональными бэкграундами голосовали независимо и в режиме прямой коммуникации. При одинаковых доказательствах результат изменился с 2:3 на 3:2 в зависимости от того, могли ли агенты общаться друг с другом.
Статья описывает архитектуру распределённых AI-систем, где специализированные агенты-исполнители работают под управлением супервизора. Автор показывает, как преодолеть ограничения одноагентных систем через паттерн «супервизор-исполнитель», изолированные контексты и контроль расхода токенов.
Автор описывает, как за 4 часа и 11 сообщений агенты полностью разработали Rust-библиотеку для конвертации цветов — 17 цветовых моделей, 272 маршрута конвертации, 80 тестов, 24 пулл-реквеста. Весь код, тесты и слияния выполнены AI-агентами по строгой TDD-методологии с изолированными рабочими пространствами и многоуровневой системой проверок.
