Адаптация агентного искусственного интеллекта
Adaptation of Agentic AI
December 18, 2025
Авторы: Pengcheng Jiang, Jiacheng Lin, Zhiyi Shi, Zifeng Wang, Luxi He, Yichen Wu, Ming Zhong, Peiyang Song, Qizheng Zhang, Heng Wang, Xueqiang Xu, Hanwen Xu, Pengrui Han, Dylan Zhang, Jiashuo Sun, Chaoqi Yang, Kun Qian, Tian Wang, Changran Hu, Manling Li, Quanzheng Li, Hao Peng, Sheng Wang, Jingbo Shang, Chao Zhang, Jiaxuan You, Liyuan Liu, Pan Lu, Yu Zhang, Heng Ji, Yejin Choi, Dawn Song, Jimeng Sun, Jiawei Han
cs.AI
Аннотация
Современные агентные системы искусственного интеллекта строятся на базе фундаментальных моделей, которые можно адаптировать для планирования, рассуждений и взаимодействия с внешними инструментами с целью выполнения все более сложных и специализированных задач. По мере роста возможностей и масштаба таких систем адаптация становится ключевым механизмом повышения их производительности, надежности и способности к обобщению. В данной статье мы объединяем быстро расширяющийся ландшафт исследований в систематическую структуру, охватывающую как адаптацию агентов, так и адаптацию инструментов. Мы дополнительно разлагаем их на сигнализируемые выполнением инструментов и сигнализируемые выходом агента формы адаптации агентов, а также на агентно-независимые и контролируемые агентом формы адаптации инструментов. Мы показываем, что данная структура помогает прояснить пространство проектирования стратегий адаптации в агентном ИИ, делает их компромиссы явными и предоставляет практические рекомендации по выбору или переключению между стратегиями в процессе проектирования системы. Затем мы рассматриваем репрезентативные подходы в каждой категории, анализируем их сильные и слабые стороны и выделяем ключевые нерешенные проблемы и перспективные направления. В целом, данная статья призвана предложить концептуальную основу и практический план действий для исследователей и практиков, стремящихся создавать более способные, эффективные и надежные агентные системы ИИ.
English
Cutting-edge agentic AI systems are built on foundation models that can be adapted to plan, reason, and interact with external tools to perform increasingly complex and specialized tasks. As these systems grow in capability and scope, adaptation becomes a central mechanism for improving performance, reliability, and generalization. In this paper, we unify the rapidly expanding research landscape into a systematic framework that spans both agent adaptations and tool adaptations. We further decompose these into tool-execution-signaled and agent-output-signaled forms of agent adaptation, as well as agent-agnostic and agent-supervised forms of tool adaptation. We demonstrate that this framework helps clarify the design space of adaptation strategies in agentic AI, makes their trade-offs explicit, and provides practical guidance for selecting or switching among strategies during system design. We then review the representative approaches in each category, analyze their strengths and limitations, and highlight key open challenges and future opportunities. Overall, this paper aims to offer a conceptual foundation and practical roadmap for researchers and practitioners seeking to build more capable, efficient, and reliable agentic AI systems.