Все о блокчейн/мозге/space/WEB 3.0 в России и мире

Google говорят, что это иллюзия, когда агент смотрит на свой результат, исправляет ошибки и становится лучше Свежая работа Google DeepMind ставит неудобный вопрос к одному из главных паттернов агентной архитектуры. Исследователи сравнили 2 способа масштабировать качество ответов LRM: запускать модель несколько раз параллельно и выбирать лучшее или запускать последовательно, давая модели видеть свои прошлые ответы и улучшать их. Последовательный подход проигрывает стабильно на всех моделях. Qwen3, DeepSeek-R1, Gemini 2.5 - математика и код. Везде одно и то же. Причина не в длине контекста и не в отсутствии агрегации, а в том, что модель, видя свой прошлый ответ, перестаёт искать альтернативы и начинает воспроизводить прежнее решение с косметическими правками. Авторы называют это ленью. Из этого следует практический вывод: Цикл, где агент сделал > посмотрел на результат > исправил работает, только если среда не даёт ему соврать самому себе. В экспериментах единственное, что помогло последовательному режиму догнать параллельный - ошибки на скрытых тестах, которые модель не могла проигнорировать. Это смещает акценты в архитектуре агентных систем. Качество агента определяется не столько его интеллектом, сколько честностью среды, в которой он работает. Слой верификации - не дополнение к агенту, а то, без чего он вообще не функционирует как улучшающаяся система. Агент без внешнего заземления не рефлексирует, он просто становится увереннее в своей ошибке.