Шаги к агентно-ориентированному ИИ

Современные большие языковые модели, оптимизированные на беглость речи, страдают от галлюцинаций и создают лишь видимость рассуждений. В данной работе предлагается исследовать использование TAG-агентов (агентов с дополненной генерацией инструментов) и RAG-агентов в качестве проверяемых, детерминированных исполнителей научного программного обеспечения, в то время как координаторы более высокого уровня берут на себя декомпозицию задач и синтез результатов — тем самым заменяя статистическую неоднозначность точной, инженерно-подобной фактической основой. Вводится понятие «Договоров передачи ответственности» (Custodian Transfer Contracts) для захвата экспертных знаний и перехода от взаимодействия с программным обеспечением через руководства для человека к TAG-обtрнутым вычислительным библиотекам.

Для этого необходимо задействовать научную библиотеку, которую TAG-агенты смогут вызывать. Поэтому этот доклад организован в три части:

• Общая структура — агентная архитектура, роль TAG/RAG-агентов и Договоры передачи ответственности.
• Научная библиотека, которую могут использовать TAG-агенты, состоящая из двух частей:
• Скаляры и приложения — полиморфная, поддерживающая семантику перемещения коллекция продвинутых скаляров (CPX, SU2, CL(1,3)), высокопроизводительные алгоритмы (стохастический трансформер, неабелев метод Гаусса-Жордана, быстрое вертексирование/фитинг спиралей) и специализированные инструменты для рядов Фурье (FoxLima, DXF, Вейль-Витнер).
• Экспертиза в нейропрограммном обеспечении — полученная в ходе работы с машинами экстремального обучения (ELM), случайными признаками Фурье (RFF), MLPfit, NARX и байесовской 3D U-net.

Эта научная библиотека с её разнообразными разделами представляет собой идеальный полигон для обучения TAG-агентов, а её инструменты в совокупности решают актуальные задачи Научного ИИ.