AIKraft Agents
Исследования16 ноября 2026 г., 12:18 МСК🤖 Auto

LeBet: Как ИИ-агенты экономят 34% токенов и повышают точность

Исследователи представили LeBet — систему, которая учится останавливать ИИ-агентов в нужный момент, экономя ресурсы и повышая качество решений.

Баннер новости 12016

Проблема «слепых» мониторов

Автономные ИИ-агенты сегодня способны работать в течение сотен шагов без участия человека. Однако практика показывает, что стандартные методы контроля (лимиты по времени, фильтры по ключевым словам) часто работают неэффективно: они либо преждевременно прерывают успешные сессии, либо позволяют провалиться тем, что уже обречены. Это приводит к лишним затратам вычислительных ресурсов и снижению общего качества работы системы.

Решение: LeBet (Learn then Bet)

Команда авторов (You-Lin Chen, Xinyi Lisa Chen, Pedro Herrero-Vidal и др.) предложила фреймворк LeBet. В отличие от простых эвристик, LeBet использует статистическое обучение для формирования интерпретируемых правил. Система накапливает «доказательства» через фиксированную ставку (betting statistic) и вмешивается только тогда, когда эти доказательства достигают заданного порога. Ключевая особенность — использование структуры «OR-of-AND» (ИЛИ-И), что делает логику принятия решений прозрачной для разработчиков.

Математическая гарантия и оптимизация

LeBet обеспечивает строгие гарантии контроля ложноположительных срабатываний (validity) и мощности обнаружения (power) даже при конечных выборках. Алгоритм не требует предположения о независимом и одинаково распределенном (i.i.d.) характере траекторий. Для решения сложной комбинаторной задачи оптимизации применяется стохастический локальный поиск, который редактирует булевы правила для улучшения разделения классов на основе эмпирических данных.

Результаты на SWE-bench Lite

Эксперименты проводились на базе модели Ministral 3 8B с использованием бенчмарка SWE-bench Lite. Внедрение LeBet показало значимые улучшения в эффективности и точности:

Метрика До LeBet После LeBet Изменение
Экономия токенов (input+output) — — 34.46%
Точность вывода (Output Precision) 18.33% 21.59% +3.26 п.п.
Уровень ложноположительных срабатываний — — 13.64%

Почему это важно

LeBet демонстрирует, что можно формализовать задачу обучения над наборами интерпретируемых правил, сохраняя при этом статистические гарантии надежности. Это критически важно для внедрения ИИ-агентов в промышленные процессы, где стоимость ошибки или избыточных вычислений может быть высокой. Система позволяет принимать решения на основе частичных историй (partial histories), что делает её применимой в реальном времени.

Источник: arXiv cs.AI ↗