5 ИИсследований недели
Самые интересные публикации с arXiv о ИИ и ИИ-агентах за первую неделю октября.

1️⃣ ИИ-помощники покупателей срезают скрытые сборы
В симуляции Принстона и NYU помощник самостоятельно отменял навязанные дополнительные услуги при аренде автомобиля. Так он экономил покупателю 13,7 доллара в день. Продавцы подняли базовую цену на 4,4 доллара и забрали треть выгоды. Если выручка держится на сборах и дополнительных услугах, модель ценообразования стоит пересчитать заранее.

2️⃣ ИИ, который сначала задаёт вопросы, пишет лучше
В эксперименте Оксфордского центра OCIR ИИ перед подготовкой стратегического документа уточнял контекст, цель и аргументы. Оценка документов выросла на 32%, доля работ не по теме снизилась с 34% до 5%. Времени ушло всего на 2,4 минуты больше.

3️⃣ В операционной работе правила пока сильнее моделей
В тесте StoreBench семь топовых моделей управляли интернет-магазином в течение 30-45 дней. Простой скрипт с правилами выполнил 97% заданий, лучшая модель - 49%. Чаще всего агенты теряли деньги из-за пустых полок и недоплаченных возвратов.

4️⃣ KPI по токенам обходится дорого
В симуляции Carnegie Mellon и Amazon поощрение за расход токенов привело к затратам в 3,7 раза выше, чем оплата за проверенный результат. При этом ценность работы оказалась ниже. Отбор сотрудников по числу токенов оставляет тех, кто много работает, но не добивается результата.

5️⃣ Оболочка агента определяет счёт
Сравнение Claude Code, mini-SWE-agent и OpenCode на одной модели показало разницу в стоимости задачи до 3,2 раза. При этом ни одна оболочка не обеспечила прироста качества.

хороших и продуктивных выходных!

@ReymerDigital