Телеграм канал «Всеволод Устинов (канал)»

— Папа, что такое Убер? — Это как Веймо, только с водителем

Wooooowww! Music as a code! Артист: https://open.spotify.com/artist/78ZgfyDjF59qBIWrGHRdme Инструмент: https://strudel.cc/ @vsevolodustinovchannel

Agents of Change: Self-Evolving LLM Agents for Strategic Planning Исследователи взяли стратегическую игру с неполной информацией, элементами случайности, необходимостью управлять ресурсами и вести переговоры. Они сделали proof-of-concept системы, где агент сам улучшает код, управляющий его решениями, и, что особенно круто, самостоятельно улучшает его prompt. На этом игровом примере показали, как итерационная рефлексия для улучшения кода и промптов заметно повышает результаты агента в игре. Мне кажется, ровно в эту сторону будут двигаться и промышленные AI системы. Уже сейчас разработчики-люди вручную прогоняют историю действий и результатов свой ai агентов, чтобы ai улучшал код и промпт агента. Логичный следующий шаг – полностью замкнутый цикл самоулучшения. А особенно весело будет, когда "рефлексирующий" агент сможет редактировать не только "действующего" агента, но и самого себя, рекурсивно 🙈😍 Статья: https://arxiv.org/abs/2506.04651 Видео-обзор: https://www.youtube.com/watch?v=1WNzPFtPEQs @vsevolodustinovchannel

Anthropic выложил разбор того, как они делали своего агента - исследователя для Claude. Не то чтобы я не сталкивался раньше с проблемами оркестрации и оценки сложных агентов - но тут столько интересных деталей, что нельзя не написать. Кратко, что важно: - В системе ведущий агент анализирует запрос и создает подагентов, которые параллельно ищут информацию каждый по своему направлению. Это совсем другая логика работы с задачами, где заранее непонятно, какие шаги потребуются. - Внутренние тесты: мультиагентная система на 90,2% эффективнее одно-агентной при сложных поисковых запросах. - Расход токенов растет лавинообразно: мультиагентная архитектура требует в 15 раз больше токенов, чем обычный чат. Поэтому использовать её есть смысл только для действительно ценных и сложных задач. - Архитектура построена по схеме “оркестратор-воркер”: ведущий планирует и делит задачи, подагенты ищут и фильтруют, дальше всё собирается и проходит через агент-цитировщик. - В промптах важно: симулировать работу агентов для поиска багов, чётко описывать задачи подагентам, масштабировать ресурсы под сложность запроса, прорабатывать интерфейсы инструментов, запускать самообучение агентов, начинать с широких, потом сужать фокус, использовать “видимое мышление” и планирование, а не только инструкции. - Параллелизация ускоряет исследования в разы: ввод нескольких подагентов и параллельных инструментов сокращает время до 90%. - Оценка результатов: маленькие ручные выборки для быстрой обратной связи, LLM-судья для проверки полноты и корректности, плюс живое тестирование для ловли неочевидных проблем. - В продакшене - отдельная боль: ошибки могут “размножаться”, нужно хранить состояние, поддерживать резюмирование после сбоев, делать трассировку и релизы выкатывать по “радуге”, чтобы не грохнуть всё сразу. - Синхронность упрощает, но мешает скорости: переход к асинхронности обещает прибавку к производительности, но увеличит сложность координации и обработки ошибок. Тоже пытаюсь строить такие системы. Понимаю что они действительно помогают находить неочевидные инсайты и экономить кучу времени - особенно если задача не про “ответить на факт”, а про навигацию в сложном инфопространстве. Сергей Булаев AI 🤖 - об AI и не только

Крутая статья по внутреннее устройство deep research агентов Anthropic. Хорошее саммари, но оригинал тоже не слишком длинный - рекомендую

— Так чего ж ты удивляешься, что человек херню сделал? Ты как его запромптил и какой контекст ему дал?

Только что мне приехала еда, которую для меня заказал Cursor! Я в курсоре написал "repeat last order with salmon bagel" - и через полчаса в дверь постучал курьер с едой 🙂