Новий алгоритм Sakana AI дозволяє об’єднати зусилля Gemini і ChatGPT
Sakana AI представила відкритий алгоритм, що дозволяє різним моделям штучного інтелекту (ШІ) разом вирішувати складні задачі. Алгоритм під назвою Adaptive Branching Monte Carlo Tree Search (AB-MCTS) є алгоритмом масштабування в часі виведення, який додає третій вимір до вже існуючої структури ШІ моделей. Тепер, зіштовхуючись з новою проблемою, система не лише вирішує, чи потрібно більш тривале міркування або ширше дослідження, а й обирає, яка модель ШІ найкраще підходить для виконання завдання. Якщо проблема є надто складною, алгоритм може залучити кілька моделей ШІ.
## Sakana AI Представляє Алгоритм, Який Змушує Моделі ШІ Думати Колективно
У пості на платформі X (раніше відомій як Twitter) компанія з Токіо зазначила, що її новий алгоритм для масштабування в часі виведення створює середовище для колективного інтелекту, дозволяючи таким передовим моделям, як Gemini 2.5 Pro, o4-mini та DeepSeek-R1, працювати разом.
Компанія поставила перед собою задачу вирішення складної проблеми в домені ШІ — як об’єднати унікальні сильні сторони та усунути індивідуальні упередження моделей ШІ для досягнення високої продуктивності. Sakana AI досліджує цю задачу протягом кількох років, а в 2024 році опублікувала статтю про “еволюційне злиття моделей”.
Тепер, спираючись на свої виявлення, компанія випустила алгоритм, який створює систему, яка дозволяє моделям ШІ проводити обчислення в тестовий час в межах певних бюджетів, генерувати кілька виходів для дослідження різних перспектив, а також залучати кілька моделей ШІ, які підходять для конкретного завдання, для досягнення вищої продуктивності.
Дослідники, що працюють над проектом, також змогли протестувати його можливості на бенчмарку ARC-AGI-2, де система AB-MCTS використовувала комбінацію o4-mini, Gemini-2.5-Pro та R1-0528, що дозволило перевершити результати окремих моделей. Sakana AI стверджує, що хоча o4-mini самостійно вирішила 23 відсотки задач, цей показник зріс до 27.5 відсотків, коли модель була частиною кластеру AB-MCTS.
Sakana AI опублікувала алгоритм TreeQuest у своєму репозиторії на GitHub і окремо поділилася результатами експериментів ARC-AGI. Деталі дослідження були опубліковані в статті на arXiv.
