GEA повышает эффективность эволюции ИИ-агентов на 25%

Агенты, созданные на базе современных моделей, часто дают сбой при малейших изменениях — появлении новой библиотеки или модификации рабочего процесса — и требуют вмешательства человека-инженера. Это одна из самых устойчивых проблем при развертывании ИИ на уровне предприятия: создание агентов, способных адаптироваться к динамично меняющейся среде без постоянного контроля. Хотя сегодняшние модели весьма мощны, в основном они остаются статичными.

Чтобы решить эту проблему, исследователи из Калифорнийского университета в Санта-Барбаре разработали групповые эволюционирующие агенты (Group-Evolving Agents, GEA) — новый фреймворк, который позволяет группам ИИ-агентов эволюционировать совместно, обмениваясь опытом и используя свои инновации для автономного совершенствования с течением времени.

В ходе экспериментов с комплексными задачами по написанию кода и разработке программного обеспечения GEA существенно превзошел существующие самосовершенствующиеся фреймворки. Пожалуй, наиболее примечательно для корпоративных лиц, принимающих решения, то, что система автономно создала агентов, которые соответствовали по производительности фреймворкам, скрупулезно разработанным человеческими экспертами, или превосходили их.

Ограничения эволюции по принципу «одинокого волка»

Большинство существующих агентных систем ИИ полагаются на фиксированные архитектуры, спроектированные инженерами. Такие системы часто с трудом выходят за рамки возможностей, заданных их исходным дизайном.

Чтобы решить эту проблему, исследователи уже давно стремятся создать самоэволюционирующие агенты, способные автономно изменять собственный код и структуру для преодоления первоначальных ограничений. Эта способность имеет решающее значение для работы в условиях открытой среды, где агент должен постоянно искать новые решения.

Тем не менее, современные подходы к самоэволюции имеют серьезный структурный изъян. Как отмечают исследователи в своей работе, большинство систем вдохновлены биологической эволюцией и построены на основе «индивидуально-центричных» процессов. В этих методах обычно используется древовидный подход: единственный агент-«родитель» выбирается для получения потомства, создавая четкие эволюционные ветви, которые остаются строго изолированными друг от друга.

Эта изоляция создает эффект замкнутости (силосов). Агент в одной ветви не имеет доступа к данным, инструментам или рабочим процессам, обнаруженным агентом в параллельной ветви. Если определенная линия не отбирается для следующего поколения, любое ценное открытие, сделанное этим агентом — например, новый инструмент отладки или более эффективный процесс тестирования — погибает вместе с ним.

В своей работе исследователи ставят под сомнение необходимость следования этой биологической метафоре. «ИИ-агенты — это не биологические особи, — утверждают они. — Почему их эволюция должна оставаться ограниченной биологическими парадигмами?»

Коллективный интеллект групповых эволюционирующих агентов

GEA меняет парадигму, рассматривая в качестве фундаментальной единицы эволюции группу агентов, а не отдельную особь.

Процесс начинается с выбора группы родительских агентов из существующего архива. Чтобы обеспечить разумный баланс между стабильностью и инновациями, GEA отбирает этих агентов на основе комбинированной оценки производительности (компетентности в решении задач) и новизны (насколько их возможности отличаются от остальных).

В отличие от традиционных систем, где агент учится только у своего непосредственного родителя, GEA создает общий пул коллективного опыта. Этот пул содержит следы эволюции всех членов родительской группы, включая модификации кода, успешные решения задач и истории вызова инструментов. Каждый агент в группе получает доступ к этой коллективной истории, что позволяет ему учиться на достижениях и ошибках своих коллег.

«Модуль рефлексии» (Reflection Module), работающий на базе большой языковой модели, анализирует эту коллективную историю для выявления общегрупповых закономерностей. Например, если один агент обнаруживает высокоэффективный инструмент отладки, а другой совершенствует процесс тестирования, система извлекает оба инсайта. На основе этого анализа система генерирует высокоуровневые «директивы эволюции», которые направляют создание группы потомков. Это гарантирует, что следующее поколение унаследует сильные стороны всех своих родителей, а не только черты одной линии.

Тем не менее, такой подход «коллективного разума» работает лучше всего там, где успех имеет объективный характер, например, в задачах программирования. «Для менее детерминированных доменов (например, творческой генерации) сигналы оценки слабее, — рассказали соавторы статьи Чжаотянь Вэн и Син Эрик Ван в письменных комментариях изданию VentureBeat. — Слепой обмен результатами и опытом может привнести низкокачественные данные, которые будут действовать как шум. Это говорит о необходимости более надежных механизмов фильтрации опыта» для субъективных задач.

GEA в действии

Исследователи протестировали GEA в сравнении с текущим лучшим базовым методом самоэволюции — машиной Дарвина — Гёделя (DGM) — на двух строгих бенчмарках. Результаты продемонстрировали огромный скачок в возможностях без увеличения количества используемых агентов.

Такой совместный подход также делает систему более устойчивой к сбоям. В ходе экспериментов исследователи намеренно ломали агентов, вручную внедряя ошибки в их реализацию. GEA смогла исправить эти критические баги в среднем за 1,4 итерации, в то время как базовая система затратила 5 итераций. Система эффективно задействует «здоровых» членов группы для диагностики и исправления скомпрометированных.

На SWE-bench Verified — бенчмарке, состоящем из реальных проблем с GitHub, включая баги и запросы на новые функции, — GEA достигла показателя успешности в 71,0% по сравнению с 56,7% у базовой системы. Это означает существенное повышение пропускной способности автономной разработки, то есть агенты гораздо лучше справляются с обслуживанием реального ПО. Аналогичным образом, на бенчмарке Polyglot, который тестирует генерацию кода на различных языках программирования, GEA показала результат 88,3% против 68,3% у базовой системы, что свидетельствует о высокой адаптивности к различным технологическим стекам.

Для корпоративных команд R&D самым важным выводом является то, что GEA позволяет ИИ проектировать себя так же эффективно, как это делают человеческие инженеры. На SWE-bench показатель успешности GEA в 71,0% фактически соответствует результатам OpenHands — ведущего опенсорсного фреймворка, разработанного людьми. В тесте Polyglot GEA значительно опередила Aider — популярного помощника по программированию, показатель которого составил 52,0%. Это наводит на мысль, что в будущем организации смогут снизить свою зависимость от крупных команд промпт-инженеров, настраивающих агентские фреймворки, поскольку агенты смогут мета-обучаться этим оптимизациям автономно.

Эта эффективность распространяется и на управление затратами. «GEA представляет собой двухэтапную систему: (1) эволюция агентов, а затем (2) инференс/развертывание, — отмечают исследователи. — После эволюции вы развертываете одного эволюционировавшего агента… поэтому корпоративные затраты на инференс по сути остаются такими же, как и при стандартной настройке с одним агентом».

Успех GEA во многом обусловлен ее способностью консолидировать улучшения. Исследователи отслеживали конкретные инновации, придуманные агентами в ходе эволюционного процесса. В базовом подходе ценные инструменты часто появлялись в изолированных ветках, но не распространялись дальше, поскольку эти конкретные линии завершались. В GEA модель совместного опыта гарантировала, что эти инструменты будут переняты наиболее успешными агентами. Лучший агент GEA интегрировал признаки 17 уникальных предков (что составляет 28% популяции), в то время как лучший агент базовой линии перенял черты только от 9. Фактически GEA создает «суперсотрудника», который владеет лучшими практиками всей группы.

«Рабочий процесс на основе GEA в производстве позволил бы агентам сначала предпринять несколько независимых попыток исправления при возникновении сбоев, — объяснили исследователи возможности этого метода самовосстановления. — Затем агент-рефлексер (обычно на базе мощной базовой модели) может обобщить результаты… и направить систему на более комплексное обновление».

Более того, улучшения, обнаруженные GEA, не привязаны к конкретной базовой модели. Агенты, эволюционировавшие с использованием одной модели (например, Claude), сохранили прирост производительности даже тогда, когда базовая система была заменена на модель другого семейства, например GPT-5.1 или GPT-o3-mini. Такая переносимость дает предприятиям гибкость при смене поставщиков моделей без потери пользовательских архитектурных оптимизаций, которым обучились их агенты.

Для отраслей со строгими требованиями к комплаенсу идея самомодифицирующегося кода может показаться рискованной. Отвечая на это, авторы заявили: «Мы ожидаем, что корпоративные развертывания будут включать неизменяемые защитные механизмы, такие как изолированное выполнение (песочницы), ограничения политик и уровни верификации».

Хотя исследователи планируют выпустить официальный код в ближайшее время, разработчики уже могут начать концептуальную реализацию архитектуры GEA поверх существующих агентных фреймворков. Система требует трех ключевых дополнений к стандартному стеку агентов: «архива опыта» для хранения эволюционных следов, «модуля рефлексии» для анализа групповых паттернов и «модуля обновления», который позволяет агенту модифицировать собственный код на основе этих инсайтов.

В перспективе этот фреймворк может демократизировать разработку продвинутых агентов. «Одно из перспективных направлений — гибридные эволюционные конвейеры, — говорят исследователи, — где более мелкие модели занимаются ранним поиском для накопления разнообразного опыта, а более мощные модели впоследствии направляют эволюцию, используя этот опыт».