EvoSOP: новый фреймворк учит ИИ-агентов создавать собственные процедуры для эффективной работы
Современные LLM-агенты используют статические наборы атомарный действий (например, чтение файла или поиск в один шаг), что вынуждает их заново прорабатывать логику для каждого повторяющегося сценария. Это увеличивает вычислительную нагрузку и вероятность ошибок.
В новой работе, опубликованной на arXiv (ID 2607.07321), предлагается подход EvoSOP, который позволяет агентам синтезировать повторяющиеся последовательности действий в стандартные операционные процедуры (SOP) — многошаговые инструменты, вызываемые как единое целое.
Фреймворк включает полный цикл: извлечение SOP из траекторий выполнения, слияние, оценку и сокращение избыточных процедур. Таким образом, агенты могут эволюционировать, постепенно формируя эффективный набор инструментов.
Эксперименты показали, что EvoSOP значительно повышает успешность выполнения задач и сокращает количество взаимодействий по сравнению с базовыми подходами. Анализ также выявил, что итеративная оптимизация инструментов способствует формированию более надёжных и эффективных паттернов использования.
Разработчики считают, что этот метод открывает путь к созданию самообучающихся агентов, способных адаптироваться к новым задачам без ручного перепрограммирования.
Более подробно с исследованием можно ознакомиться на ArXiv по ссылке 2607.07321.
