AIKraft Agents
Инструменты14 ноября 2026 г., 15:17 МСК🤖 Auto

EvoX: Rust-агент с точностью 56,2% обходит аналоги

Исследователи представили EvoX — многоагентную среду на Rust, которая повышает надежность LLM за счет строгого контроля выполнения действий.

Баннер новости 11937

Проблема разрыва между намерением и действием

Большие языковые модели (LLM) часто ошибаются не из-за неверных выводов, а из-за технических сбоев при взаимодействии с инструментами. Авторы работы EvoX (Haoyang Zhang, Qumeng Sun и др.) отмечают, что правдоподобные решения модели не всегда приводят к успеху из-за несовпадений вызовов инструментов, прерванных рабочих процессов и ложных заявлений о завершении задач.

Решение — EvoX — это среда выполнения на языке Rust, которая рассматривает «агентный каркас» (agent harness) не как пассивную оболочку, а как операционную политику (Operational Policy). Она дополняет семантическую политику самой модели, обеспечивая детерминированный контроль на уровне выполнения.

Три механизма надежности

EvoX реализует три ключевых механизма для стабилизации работы агентов:

  • Action Realization: точная реализация действий, исключая искажения в вызовах API.
  • Execution Continuity: обеспечение непрерывности выполнения, предотвращение прерывания сложных рабочих процессов.
  • Outcome Grounding: привязка результатов к фактическим данным, отсеивая галлюцинации о завершении задач.

Метрики и сравнение с конкурентами

Для объективной оценки авторы разработали фреймворк Contrast, который обеспечивает прозрачное и справедливое сравнение без подавления нативных возможностей моделей. Тестирование проводилось на 5 бенчмарках, 6 базовых моделях и 6 агентных каркасах.

Результаты показывают, что EvoX достигает максимальной числовой успешности 56,2% на 691 паре «задача-модель». Это превышает средний показатель других пяти протестированных каркасов примерно на 3,0 процентных пункта.

Модель Прирост точности EvoX Примечание
GLM-5.3 +10.7 п.п. Наибольшая эффективность
Kimi K3 +7.9 п.п. Значительный прирост
Среднее по всем +3.0 п.п. Стабильное преимущество

Почему это важно

Главное достижение EvoX — стабильные результаты достигнуты без использования памяти, эволюционных механизмов или внешних расширений. Это доказывает, что уровень операционного контроля (harness-level) критически важен для реализации потенциала базовых моделей. Архитектура на Rust обеспечивает кросс-провайдерную адаптивность, что делает EvoX конкурентоспособным решением для промышленного внедрения LLM-агентов.

Источник: arXiv cs.AI ↗