Проблема: ИИ-агенты не справляются с жесткими ограничениями
Инженерные задачи требуют не просто генерации кода или схем, а соблюдения строгих, взаимосвязанных ограничений (геометрия, тайминги, ресурсы). Существующие подходы заставляют агентов одновременно принимать семантические решения и выводить из них точные физические параметры. Это приводит к каскадным ошибкам: агент может выбрать верную логику, но ошибиться в реализации, что делает артефакт непригодным.
Решение: RAC (Relational Agent Contract)
Авторы предлагают архитектуру RAC, которая разделяет ответственность. ИИ-агент отвечает только за семантические действия — то есть определяет, какие отношения и ограничения должен соблюдать артефакт. За вывод конкретных последствий (геометрических, временных, кодовых) отвечают специализированные инструменты (tools). Это позволяет сохранить контроль над логикой, делегируя механическую часть проверенным алгоритмам.
Результаты: Превосходство над базовыми моделями
Эксперименты показали, что RAC значительно повышает надежность работы различных моделей. В задачах проектирования печатных плат (PCB) и планирования производственных процессов (job-shop scheduling) метод RAC демонстрирует стабильно высокие результаты, превосходя подходы, основанные только на передаче требований (requirements-only delegation) или прямой генерации кода.
| Задача | Метрика | RAC | Лучший базовый метод | Прирост |
|---|---|---|---|---|
| PCB (размещение, трассировка, ремонт) | Чистый проход (Clean-pass rate) | 90,9% | 74,0% | +16,9 п.п. |
| Job-shop scheduling | Качество решения (Quality pass) | 96,3% | 59,6% | +36,7 п.п. |
В таблице выше приведены ключевые метрики. Для PCB-задач RAC достиг среднего показателя 90,9% для всех протестированных моделей, тогда как сильнейший базовый метод показал лишь 74,0%. В задачах планирования цехов (job-shop) прямой реляционный подход RAC обеспечил 96,3% успешных решений против 59,6% у методов, использующих посредничество кода (code-mediated delivery), даже при доступе к тем же бэкенд-инструментам.
Значение для индустрии
Исследование на 141 задаче с встроенным кодом для четырех микроконтроллеров подтверждает: контракт действий (action contract) является источником повышенной способности агентов. Сохранение семантического контроля при делегировании механически выводимых результатов критически важно для создания надежных инженерных ИИ-систем. Это открывает путь к автоматизации сложных задач, где ошибка в деталях недопустима.
Источник: arXiv cs.AI ↗