Краткое содержание

arXiv:2506.05305v3 Тип объявления: замена-перекрёстная публикация Аннотация: Агентные рабочие процессы, в которых несколько агентов ИИ сотрудничают для выполнения сложных задач вроде рассуждений или планирования, играют значительную роль во многих передовых коммерческих приложениях и продолжают привлекать внимание исследователей различных областей благодаря своему потенциалу решать дорогостоящие и сложные задачи, которым до недавнего времени доверяли исключительно людям. Эти рабочие процессы критически зависят от используемых подсказок (prompt), определяющих роли моделей в таких процессах. Плохо спроектированные подсказки, даже незначительно отклоняющиеся от правильного руководства отдельных агентов, могут привести к субоптимальной производительности, способной усугубляться внутри системы агентов, ограничивая её надёжность и масштабируемость. Для решения важной проблемы оптимизации подсказок в режиме вывода мы представляем ProRefine — инновационный метод оптимизации в режиме вывода, использующий цикл взаимодействия между большими языковыми моделями (LLM) для генерации и применения текстового фидбека. ProRefine динамически уточняет подсказки для многошаговых рассуждений.