Nvidia представила новый подход к ИИ-агентам: Claude Opus 5 показал трехкратное улучшение результатов

По результатам исследования, проведенного компанией Nvidia, было установлено, что программная оболочка играет ключевую роль в решении задач, связанных с искусственным интеллектом, особенно в долгосрочной перспективе. В частности, Claude Opus 5 смогла добиться 100 % результата в интерактивном тесте ARC-AGI-3, который включает в себя 2D-игры без инструкций, требующие от модели понимания игрового процесса и достижения победы. Без использования этой оболочки модель показала результат в 30 %, что стало наилучшим показателем среди всех протестированных систем.

Данные исследования подчеркивают, что при выборе модели важно учитывать не только её характеристики, но и структуру системы управления, которая делает модель полноценным агентом. Эта структура отвечает за обработку памяти, контекста и обратной связи, что критично для выполнения задач с длительным горизонтом планирования. Выяснение эффективных методов, позволяющих ИИ сохранять фокус и избегать зацикливания на одной задаче, остается одной из основных целей в разработках ИИ-агентов.

Адель Эль Халлак, вице-президент по продуктам в подразделении ИИ Nvidia, отметил, что современное восприятие агента зачастую ограничивается его ролью как API модели. Он объяснил, что агент включает в себя не только саму модель, но и вспомогательные средства, такие как инструменты, навыки и библиотеки, которые помогают в её функционировании. Эль Халлак также акцентировал внимание на важности внедрения супервизорного агента, который, по сути, выполняет функции генерального директора, направляя основной агент в нужном направлении и предотвращая отклонения от курса.

В отличие от этого, компания OpenAI, чьи модели продемонстрировали менее 10 % в тесте ARC-AGI-3, недавно провела собственное исследование, в котором выяснила, что простая замена двух параметров в тестовой среде позволила утроить результаты своих моделей.