למידה דינמית להגדרת סוכני AI
האם הסוכנים מבוססי שפה גדולה (LLM) שלכם מתנהגים באופן קבוע בכל שאלה, גם אם היא פשוטה או מורכבת? מחקר חדש מ-arXiv חושף גישה חדשנית שמשנה את כללי המשחק. במקום תבניות קבועות שמבזבזות משאבים, החוקרים פיתחו ARC – לומד תצורה ומשאבים לסוכנים – שמתאים דינמית את זרימת העבודה, הכלים, תקציב הטוקנים והפרומפטים לכל שאילתה ספציפית. התוצאה? שיפור של עד 25% בדיוק משימות וחיסכון משמעותי בעלויות חישוב.
מה זה ARC?
ARC (Agentic Resource & Configuration learner) הוא מדיניות היררכית קלה משקל שנלמדת באמצעות למידת חיזוק (RL), ומאפשרת התאמה דינמית של תצורת סוכני AI מבוססי LLM. במקום 'גישה אחת מתאימה לכולם', ARC בוחן כל שאילתה בנפרד ומחליט על זרימת עבודה, כלים, תקציב טוקנים ופרומפטים אופטימליים. הגישה הזו פותרת בעיות של תצורות קבועות שגורמות להתנהגות שבירה ובזבוז חישוב, במיוחד בשאלות קלות. המחקר בדק אותה במבחנים של חשיבה ושאלות תשובה מוגברות כלים, והיא עלתה על baselines בדיוק וביעילות.
איך ARC עובד ומשפר ביצועים
החוקרים מנסחים את תצורת הסוכן כבעיית החלטה לכל שאילתה. ARC לומד מדיניות היררכית שמחלקת את החלטות התצורה לשלבים: קודם בוחר זרימת עבודה כללית, אחר כך כלים ספציפיים, תקציב טוקנים ופרומפטים מותאמים. לפי הדיווח, זה מוביל לשיפור של עד 25% בדיוק משימות במבחנים שונים. לדוגמה, במבחני חשיבה והשערות תשובה עם כלים, ARC חסך זמן ריצה וטוקנים תוך שמירה על ביצועים גבוהים יותר. סוכני AI כאלה יכולים להיות משחק משנה לעסקים.
תוצאות במבחנים ספציפיים
במבחנים כמו שאלות תשובה מוגברות כלים, ARC עלה על תצורות ידניות ועל baselines אחרים. החיסכון נובע מהתאמה: לשאלות קלות – פחות משאבים, לקשות – יותר. זה מפחית בזבוז ומשפר אמינות.
ההשלכות לעסקים בישראל
עבור עסקים ישראליים שמאמצים אוטומציה עסקית, ARC מסמן פריצת דרך. חברות הייטק בתל אביב ובחיפה, שמתמודדות עם עלויות גבוהות של API למודלי LLM, יכולות להפחית הוצאות ב-25% תוך שיפור שירות לקוחות או ניתוח נתונים. בהקשר מקומי, עם צמיחת שוק ה-AI בישראל (מעל 500 סטארטאפים), אימוץ גישות כאלה יאפשר תחרותיות גלובלית. עסקים קטנים יכולים ליישם זאת ב-CRM חכם כדי להתאים תגובות אוטומטיות ללידים.