Đề xuất phương pháp nhiều tác nhân AI tích lũy công việc trong kho lưu trữ Git để giải quyết vấn đề

Bối cảnh

Các vấn đề phức tạp và nghiên cứu khoa học đòi hỏi các phép tính và kiến thức phải được tích lũy qua nhiều lần thử nghiệm. Tuy nhiên, phần lớn suy luận AI diễn ra theo đơn vị các lần thử riêng lẻ hoặc câu trả lời ứng viên, khiến cho các giải pháp một phần hoặc phương pháp thất bại khó được tận dụng trong công việc sau đó. Bài báo này định nghĩa phương pháp trong đó các sản phẩm công việc trung gian được duy trì và tái sử dụng là 'suy luận tích lũy' để giải quyết vấn đề này.

Phương pháp

GitSwarm là một cấu trúc nơi các tác nhân có hiệu suất giống nhau đưa ra các quyết định độc lập và tiến hành công việc mà không phải chờ đợi nhau. Các tác nhân khám phá, thử nghiệm, xác minh, chỉnh sửa và tổng hợp trên nhiều nhánh trong một kho lưu trữ Git được chia sẻ, bảo lưu kết quả trung gian dưới dạng các commit đơn vị nhỏ. Chúng cũng ghi lại các mối quan hệ phụ thuộc rõ ràng cho biết các tác vụ tiếp theo dựa trên công việc trước đó nào. Phương pháp này đã được áp dụng cho các chứng minh toán học, nhiệm vụ lập trình và nghiên cứu thí nghiệm mạng thần kinh sử dụng GPU.

Kết quả chính

Đã báo cáo giải quyết toàn bộ 30 vấn đề trong một lần chạy bằng cách sử dụng GPT-5.5 trên IMOProofBench-Advanced. Trên ProgramBench, nó đạt trung bình 79.4%, cao hơn đường cơ sở 65.1%. Ngoài ra, 94.7% đóng góp trong nhiệm vụ này đã được tái sử dụng trong công việc tiếp theo, và nguồn gốc của giải pháp cuối cùng được chọn chiếm 82 đến 93% của toàn bộ biểu đồ đóng góp. Trong ba nhiệm vụ cấu trúc mạng thần kinh, người ta tuyên bố rằng thông qua nhiều thí nghiệm, hiệu suất đã được cải thiện so với cấu trúc điểm khởi đầu.

Hạn chế & điểm cần xác minh

Bản tóm tắt không nêu chi tiết các điều kiện cụ thể của các đường cơ sở so sánh, chi phí và quy mô tính toán dành cho các thí nghiệm, các con số cụ thể thể hiện mức độ cải thiện trong các nhiệm vụ mạng thần kinh, và tính tái tạo. Do đó, liệu những kết quả này có xuất hiện ở cùng mức độ trong các nhiệm vụ khác hoặc môi trường dịch vụ thực tế hay không thì không thể xác định chỉ từ bản tóm tắt.

Giải thích thuật ngữ

• suy luận (inference) — Quá trình mô hình AI đã học giải quyết các vấn đề thực tế và đưa ra câu trả lời.
• tác nhân (agent) — Một chương trình AI tự lập kế hoạch hướng tới mục tiêu và thực hiện các tác vụ sử dụng công cụ hoặc dữ liệu.
• bất đồng bộ (asynchronous) — Một phương pháp trong đó nhiều tác vụ tiến hành độc lập mà không cần đợi nhau hoàn thành.
• kho lưu trữ và nhánh Git — Git là công cụ quản lý lịch sử thay đổi của các tệp phần mềm, kho lưu trữ là nơi chứa các tệp đó, và nhánh là một luồng công việc tách biệt khỏi bản gốc.
• commit — Hành động lưu trữ các thay đổi tệp như một đơn vị ghi chép duy nhất.
• đường cơ sở (baseline) — Phương pháp đại diện hiện có được sử dụng để so sánh hiệu suất của một phương pháp mới.
• nguồn gốc và biểu đồ đóng góp — Cấu trúc giống như cây phả hệ kết nối kết quả được tạo ra thông qua những công việc trước đó nào.