AIKraft Agents
Исследования14 ноября 2026 г., 13:18 МСК🤖 Auto

RSI-PDE: LLM-агенты решают УЧП с точностью до 182%

Исследователи представили RSI-PDE — систему самообучающихся LLM-агентов для решения уравнений в частных производных, превосходящую аналоги по точности и эффективности.

Баннер новости 11930

Команда исследователей во главе с Бинханом Лу (Binghang Lu) представила RSI-PDEbench — первый крупный бенчмарк для оценки способности больших языковых моделей (LLM) самостоятельно открывать и решать уравнения в частных производных (УЧП). Работа демонстрирует, как агенты с механизмом рекурсивного самосовершенствования (Recursive Self-Improvement, RSI) могут автоматизировать сложные научные вычисления, снижая потребность в экспертном вмешательстве.

Масштаб и сложность бенчмарка

RSI-PDEbench включает 1 001 тестовый кейс, охватывающий 42 шаблона уравнений, включая классические и дробные УЧП. Для оценки устойчивости моделей предусмотрены три режима:

  • Full: Идеальные данные без шума.
  • Noisy: Данные с гауссовским шумом (RMS шума составляет 50% от сигнала).
  • Hard-OOD: Проверка обобщения на неизвестные шаблоны и сдвиги распределения коэффициентов.

Как работает RSI-PDE

В отличие от стандартных LLM, использующих один проход (single-run), система RSI-PDE использует итеративный цикл:

  1. Фильтрация: Отбор кандидатов по потере невязки (residual loss).
  2. Уточнение: Корректировка коэффициентов и численных решателей на основе относительной ошибки $L^2$.
  3. Валидация: «Ворота» (validation gate) для обновления политики и памяти агента, предотвращающие накопление ошибок.

Результаты: Превосходство над базовыми моделями

Агенты RSI-PDE были протестированы на четырех передовых моделях (включая Claude Code и Codex). Система показала значительное улучшение проходимости тестов (pass rate) по сравнению с однократными запусками базовых моделей и нативными хarnессами.

Метрика сравнения Улучшение RSI-PDE Снижение затрат (вызовы модели)
Против single-run baselines +106.5% — 181.9% —
Против нативных harnesses (Claude/Codex) +3.0% — 19.6% —
Эффективность (12 пар модель-режим) — -46.9%

Результаты подтверждают, что валидируемое рекурсивное самосовершенствование позволяет LLM-агентам не только точнее находить решения, но и делать это с меньшим количеством запросов к модели, что критически важно для масштабируемости в научных вычислениях.

Источник: arXiv cs.AI ↗