# Новая система управления сокращает лишние шаги автономных ИИ-агентов

> Исследователи предлагают уровень управления под названием Global Executive Control: он сокращает расход токенов на треть, сохраняя высокий процент успешного выполнения задач.

Oossa · 2026-09-28 · https://oossa.com/ru/new-control-system-cuts-wasted-steps-in-autonomous-ai-agents

Команда под руководством Дуншэна Сяо 28 сентября 2026 года опубликовала статью, в которой описала проблему, названную «паркинсонизмом больших языковых моделей». Так авторы обозначили склонность ИИ-агентов продолжать работу уже после выполнения задачи: они вносят малоценные правки и перепроверяют собственную работу. По словам исследователей, причина в том, что один и тот же цикл и генерирует действия, и решает, когда остановиться. Их решение — новая архитектура Global Executive Control (GEC) v0.2, которая отделяет генерацию действий от контроля на уровне всего проекта.

## Как мы к этому пришли

Большие языковые модели (LLM) умеют планировать, писать код и пользоваться инструментами, но им часто не хватает чёткого сигнала остановки. В ходе испытаний базовый агент, следовавший единственному наиболее вероятному плану, справился с 67% сложных задач. Когда в тех же испытаниях модели разрешили выбирать из набора возможных действий, показатель успешного выполнения вырос до 96,5%. Исследователи считают, что большая часть улучшения объясняется наличием нескольких вариантов, однако такой подход требует больше токенов — базовых единиц текста, которые обрабатывает модель.

## Что делает новая архитектура

GEC добавляет уровень управления, учитывающий неопределённость: он следит за ходом работы агента и определяет, когда достаточно. В тесте на 24 000 эпизодах с ограничением в 40 000 токенов GEC показала те же 96,5% успешного выполнения, что и подход с набором возможных действий, но сократила средний расход токенов с 19 782 до 12 574 — на 36%. Кроме того, среднее число токенов, необходимое для выполнения задачи при установленном лимите, снизилось с 16 136 до 13 114 — экономия составила 18,7%. По словам авторов, дополнительные этапы управления обходятся примерно в 500 синтетических токенов за цикл, что всё равно эффективно.

## Что дальше

В статье отмечается, что результаты симуляций подтверждают пользу явного управления объёмом работы, проверкой данных, расходом ресурсов и остановкой, однако подход ещё предстоит проверить в реальных условиях. В дальнейших исследованиях, вероятно, протестируют GEC на действующих агентах, взаимодействующих с внешними инструментами или пользователями. Если подход подтвердит свою эффективность, разработчики смогут встроить аналогичный уровень управления в чат-боты, помощников по написанию кода и другие автономные ИИ-сервисы, чтобы не тратить ресурсы впустую и не заставлять системы продолжать работу над уже выполненными задачами.

## Факты

- Статья была опубликована на arXiv 28 сентября 2026 года (arXiv:2609.30662).
- Базовый агент с одним вариантом действия успешно справился со сложными задачами в 67,42% случаев.
- Подход с выбором из набора возможных действий показал результат 96,53% на том же тесте.
- Global Executive Control v0.2 сохранила показатель успешного выполнения на уровне 96,57%, сократив средний расход токенов на 36,4%.
- При ограничении в 40 000 токенов среднее число токенов до выполнения задачи с GEC снизилось с 16 136 до 13 114.
- Каждый цикл управления добавлял около 500 синтетических токенов — авторы считают эту дополнительную нагрузку умеренной.

## Почему это важно

Для обычных пользователей более точное управление означает, что ИИ-помощники будут быстрее выполнять задачи и расходовать меньше вычислительных ресурсов, что может снизить затраты и энергопотребление. Разработчики смогут создавать более разумных агентов, которые останавливаются после выполнения работы, не делая лишних шагов и не выдавая запутанные ответы. Такой подход также даёт более понятный способ контролировать поведение ИИ — это важно для безопасности и надёжности по мере распространения подобных инструментов.

## Источники и ссылки

1. [LLM Parkinsonism: Executive-Control Failure, Token-Inefficient Persistence, and an Uncertainty-Aware Global Executive Control Architecture for Autonomous Language-Model Agents](https://arxiv.org/abs/2609.30662) – arXiv, 2026-09-28

Обновлено: 2026-09-28