Проблема длинных цепочек действий
Долгосрочные бизнес-агенты (Long-Horizon Business Agents) часто терпят неудачу по двум причинам: накопление ошибок в длинных цепочках действий и несоответствие словаря модели запросу пользователя. Авторы работы, опубликованной в arXiv (13 ноября 2026 года), предлагают решение, не требующее переобучения самой языковой модели. Вместо этого они выносят определение рабочего процесса, состояние и доменные знания во внешние, версионированные «контрольные активы».
Механика работы: Машина состояний и аудит
Ключевая инновация Co-Sight Harness заключается в использовании конечного автомата (state machine) и проверяемых машиной «ворот принятия решений» (acceptance gates). Эти элементы принудительно соблюдают внешние активы во время выполнения. Независимый аудитор оценивает полученный трассировочный журнал (trace). Обновление активов происходит только после прохождения регрессионной проверки и одобрения человеком, что исключает дрейф знаний.
Результаты на реальных данных
Метод был протестирован на трех развернутых рабочих процессах, превышающих 200 шагов. В домене A (120 кейсов) система показала радикальный рост метрик по сравнению с базовым уровнем:
| Метрика | До внедрения | После внедрения | Изменение |
|---|---|---|---|
| Безотказное выполнение (Unattended completion) | 50% | 100% | +50 п.п. |
| Точность поиска (Retrieval recall) | 56% | 91.67% | +35.67 п.п. |
| Время выполнения (Latency) | 440 мин | 159 мин | -281 мин |
| Точность анализа сценариев | 45% | 93% | +48 п.п. |
Практическая ценность для бизнеса
Система позволяет командам, не пишущим исходные активы, быстро осваивать процессы. В двух других доменах передача управления заняла всего 4 и 7 дней соответственно. Контролируемая абляция подтвердила, что система эффективно разделяет два основных источника сбоев. Код решения доступен в открытом доступе, что открывает путь к стандартизации работы агентов в корпоративной среде.
Источник: arXiv cs.AI ↗
