Solving a million-step LLM task with zero errors
Исследователи представили MAKER — первую систему, решающую задачи с более чем миллионом шагов для языковых моделей без ошибок. Традиционные LLM сталкиваются с накоплением ошибок при выполнении длинных последовательностей действий, как показывают эксперименты с "Башнями Ханой", где процесс неизбежно сбивается после нескольких сотен шагов. MAKER достигает беспрецедентной надежности через экстременную декомпозицию задач на микроагенты, каждый из которых фокусируется на узком подзадании.
Ключом к успеху является модульная архитектура, позволяющая применять эффективную схему многоагентного голосования для коррекции ошибок на каждом шаге. Авторы утверждают, что этот подход масштабируется далеко за пределы миллиона шагов и предлагает альтернативный путь развития ИИ — массово декомпозированные агентные процессы (MDAP) вместо постоянного улучшения отдельных моделей. Это открывает возможности для решения задач на уровне организаций и обществ, которые ранее были недостижимы из-за ограничений текущих LLM.