Objectifs et plans
Comment les agents traduisent un objectif en une séquence d’étapes utiles.
inAiLoading page content...
inAiinAiLoading page content...
Recherchez la façon dont les agents IA décident, agissent, utilisent les outils, récupèrent des erreurs et continuent de travailler à travers les étapes.
IA ne sont pas utiles uniquement parce qu’ils peuvent répondre aux questions. Ils deviennent utiles lorsqu’ils peuvent décider quoi faire ensuite, choisir les bons outils, agir sous contraintes, inspecter les résultats, récupérer des erreurs et poursuivre le travail au fil du temps.
Agentic Decision Systems est la direction de recherche d’inAi pour cette couche de décision. Nous étudions comment les agents passent des objectifs aux plans, des plans aux actions, des actions à la vérification et des échecs à la réparation - sans confondre autonomie et comportement incontrôlé.
Un chatbot peut répondre à une invite. Un système agent doit faire plus. Il doit décider de ce qui compte, choisir un chemin, appeler des outils, inspecter les résultats, se souvenir de l’état, récupérer en cas de panne et savoir quand un humain ou un autre système doit examiner le résultat.
C’est dans cette couche de décision que les systèmes agents deviennent utiles – et là où ils deviennent difficiles à concevoir. Trop de liberté peut créer des risques. Trop de contrôle peut rendre le système inutile. La question de recherche est de savoir comment concevoir des agents capables d’agir, de continuer et de réparer tout en restant compréhensibles et limités par le contexte.
Cette direction de recherche étudie les parties des systèmes agentiques qui se situent entre la capacité du modèle et l’exécution réelle.
Comment les agents traduisent un objectif en une séquence d’étapes utiles.
Comment les agents choisissent les outils, appellent les API, inspectent les résultats et décident de la marche à suivre.
Comment les systèmes préservent le contexte, les décisions précédentes, la progression du flux de travail et l’état récupérable.
Comment les agents vérifient les résultats, détectent les échecs, réessayent en toute sécurité et récupèrent après des états incorrects.
Comment les systèmes décident quand agir librement, quand demander l’approbation et quand escalader.
Comment plusieurs étapes, outils, agents ou réviseurs humains s’intègrent dans une seule boucle de décision.
inAi est que l’intelligence générale peut émerger de systèmes de modèles, d’agents, d’outils, de mémoire, de perception, d’exécution, de coordination, de feedback et d’environnement - et non d’un seul modèle isolé.
Agentic Decision Systems étudie une partie essentielle de cette vision : la manière dont les agents décident et agissent au sein d’un système. Si les modèles fournissent des capacités, les agents organisent ces capacités en actions. Ils relient les objectifs aux outils, l’état à la mémoire, l’autonomie à réviser et l’exécution aux commentaires.
Cette direction de recherche informe également Produits pour agents. Si les agents deviennent des opérateurs de logiciels, ils auront besoin de produits conçus pour leur fonctionnement : outils clairs, instructions lisibles, état, mémoire, sorties structurées, autorisations, chemins de récupération et examen des endroits où la tâche l’exige.
Agentic Decision Systems étudie les modèles de décision derrière cette catégorie de produits. Produits pour agents transforme certaines de ces idées en surfaces logicielles que les agents peuvent utiliser.
Cette collection rassemblera des notes, des protocoles, des essais et des résultats de recherche liés aux systèmes de décision agentiques au fur et à mesure de leur préparation pour la publication.
Pour le lancement, la collection répertorie uniquement la vue d’ensemble plus approfondie et le cadre de protocole ADA-1 retenu pour examen. Les résultats supplémentaires ne devraient apparaître que lorsqu’ils sont préparés pour la publication.
