Иерархии агентов
Иерархии агентов (Hierarchical Agent Architectures) – построение многослойных систем, где «высшие» агенты ставят задачи или управляют «низшими». Позволяет разбивать сложные задачи: например, верхний слой планирует цели,
Иерархии агентов (Hierarchical Agent Architectures) – построение многослойных систем, где «высшие» агенты ставят задачи или управляют «низшими». Позволяет разбивать сложные задачи: например, верхний слой планирует цели,
Моделирование агентов (Agent-based Modeling) – метод симуляции сложных систем через набор автономных агентов. Позволяет изучать, как их взаимодействия на простом уровне ведут к глобальным эффектам (экономика,
Координация децентрализованная (Decentralized Agent Coordination) – алгоритмы организации работы агентов без центрального лидера. Каждый агент действует автономно, обмен информацией и координация происходят по локальным правилам или
ИИ кооперативный (Cooperative AI) – направление, изучающее, как обучать агентов эффективно сотрудничать друг с другом и с людьми. Включает разработку методов обучения, при которых агенты максимизируют
Поведение эмерджентное (Emergent Behavior) – появление в системе сложных коллективных эффектов из простых правил взаимодействия агентов. Например, в симуляции стай птиц каждый следует простым правилам: держаться
Multi-Agent Reinforcement Learning (MARL) – обучение нескольких агентов в единой среде с учётом взаимодействия. Каждый агент учится принимать решения, учитывая возможные действия других. Применяется, например, в
Hypernetwork Adaptation – использование вспомогательной сети (гиперсети), которая генерирует или подстраивает веса основного LLM. Вместо прямой донастройки, гиперсеть создает обновления весов для конкретной задачи. Это обеспечивает
Delta Tuning – подход, где вместо полной настройки модели к новой задаче обучаются только разности (дельты) между исходными и новыми весами. Это аналогично LoRA/адаптерам: фиксируются основные
LoRA-fusion – метод объединения (слияния) нескольких LoRA-модулей для разных задач в одну модель. Позволяет переключаться между задачами без перекомпиляции всех весов, просто подгружая нужные LoRA-адаптеры. [Искусственный
P-Tuning v2 – расширение идеи prompt tuning. Векторные («мягкие») промпты добавляются не только в начале текста, но и на разных слоях модели. В результате такие встроенные