Исследователи NVIDIA продемонстрировали новый подход к созданию автономных систем искусственного интеллекта. Эксперимент показал, что успех в продолжительных многоэтапных задачах зависит не только от возможностей языковой модели. Не менее важна программная обвязка, которая управляет памятью, инструментами, проверкой результатов и последовательностью действий ИИ-агента.
Это меняет привычный взгляд на развитие нейросетей. Вместо постоянной гонки за самой мощной моделью разработчики могут заметно повысить качество системы за счет грамотной организации ее работы.
ИИ-агенты NVIDIA получили 100% в испытании ARC-AGI-3
Для эксперимента NVIDIA использовала модель Claude Opus 5 и собственную архитектуру AVO. Без дополнительной системы управления исходный результат модели составлял около 30%. После подключения постоянной памяти, инструментов и контролирующего модуля показатель вырос до 100%.
ИИ-агент успешно прошел все 183 уровня в 25 неизвестных средах ARC-AGI-3. В этих двумерных задачах отсутствуют инструкции и заранее описанные правила: системе необходимо самостоятельно исследовать пространство, выявить закономерности и найти способ достижения цели. При этом решение NVIDIA потребовало на 12% меньше действий, чем система VISTA.
Архитектура ИИ-агентов помогает сохранять память и исправлять ошибки
Главной особенностью AVO стал дополнительный контролирующий модуль. Он наблюдает за основным ИИ-агентом и вмешивается, если тот повторяет неудачные действия, теряет цель или выбирает бесперспективное направление.
Постоянная память сохраняет уже проверенные гипотезы и результаты предыдущих попыток. Благодаря этому нейросеть не начинает рассуждение заново после каждого шага. Инструменты позволяют системе изучать данные, запускать проверки и оценивать собственные решения.
Важно, что AVO пока является исследовательской разработкой, а не готовым продуктом NVIDIA. Однако эксперимент наглядно показывает, какие элементы необходимы автономным системам для длительной и устойчивой работы.
Нейросети для бизнеса могут стать точнее без замены модели
Вывод NVIDIA имеет практическое значение для компаний, внедряющих искусственный интеллект. Замена модели на более дорогую не всегда дает наибольший прирост качества. Иногда эффективнее улучшить управление контекстом, добавить долговременную память, ограничить доступные действия и настроить независимую проверку результата.
Одна и та же модель с разными программными обвязками может отличаться не только по точности, но и по стоимости работы вплоть до двух раз. Поэтому сравнивать ИИ-решения только по названию нейросети или цене одного запроса уже недостаточно.
Безопасность ИИ-агентов требует отдельного уровня контроля
Чем самостоятельнее становится ИИ-агент, тем важнее ограничивать его полномочия вне самой нейросети. NVIDIA рекомендует размещать правила доступа, изоляцию, проверку разрешений и журналирование действий на уровне защищенной среды исполнения. Тогда система сможет предлагать решения, но не получит возможность самостоятельно расширять свои права.
Экспертный вывод
Исследование NVIDIA показывает, что будущее автономного искусственного интеллекта определяется не одной моделью, а всей архитектурой вокруг нее.
Рекомендация: компаниям оценивать ИИ-агентов по качеству памяти, контролю ошибок, стоимости выполнения задач и безопасности доступа. Перед масштабным внедрением такую систему следует проверять на реальных рабочих сценариях, а не только на коротких показательных запросах.