Фреймворки агентного ИИ: архитектуры оркестрации и автономные системы рассуждения на основе больших языковых моделей

Agentic AI Frameworks: Orchestration Architectures and Autonomous LLM-Based Reasoning Systems
Su. Rishwanth, Yashwanth L, R M Shiny
2026-06-11

агентные системы ИИподавление галлюцинацийрассуждение на основе больших языковых моделеймультиагентные архитектурырассуждение ReAct
Системы агентного ИИ переходят от статических генеративных моделей к автономным агентам, способным рассуждать и действовать. Однако исследования остаются фрагментированными в отношении определений, архитектур и практик оценки, что ограничивает обоснованное внедрение таких систем. Методы: проанализированы 20 публикаций (2021–2025), посвящённых парадигмам рассуждения (CoT, ReAct, ToT), моделям оркестрации (от одноагентных до многоагентных), структурам памяти и методологиям оценки с использованием пятиаспектной аналитической системы. Результаты: доминируют циклы на основе ReAct (68% случаев применения). Только в 32% работ сообщается о механизмах обеспечения безопасности; оценка в основном носит качественный характер. Многоагентные архитектуры повышают устойчивость, но увеличивают задержку в 2–5 раз; иерархическое снижение галлюцинаций уменьшает количество ошибок на 40–50%. Заключение: предложенное исследование предоставляет практикам структурированную систему для выбора стратегий рассуждения, оркестрации и применения защитных механизмов. Сохраняются существенные пробелы в стандартизированных бенчмарках, управлении безопасностью и интероперабельности, что открывает возможности для создания агентных систем промышленного уровня. Автономное рассуждение, многоагентные системы, инструментально дополненный интеллект
1
Обзор 20 публикаций за 2021–2025 годы использует пятиаспектную структуру для анализа рассуждений, оркестрации, памяти и оценки агентных систем ИИ.
2
Иерархические стратегии снижения галлюцинаций уменьшают количество ошибок на 40–50%, однако стандартизированные бенчмарки, управление безопасностью и интероперабельность остаются ключевыми пробелами.
3
Мультиагентные архитектуры повышают устойчивость, но приводят к увеличению задержки в 2–5 раз по сравнению с более простыми конфигурациями.
4
Только 32% исследований описывают механизмы безопасности, тогда как методы оценки в основном остаются качественными.
5
Циклы рассуждений на основе ReAct являются доминирующей парадигмой и встречаются в 68% рассмотренных публикаций.

агентные системы искусственного интеллекта, включая автономных агентов на основе LLM и архитектуры оркестрации с одним или несколькими агентами

парадигмы рассуждения, модели оркестрации, конструкции памяти, механизмы безопасности и практики оценки, определяющие автономность, устойчивость, задержку, снижение галлюцинаций и внедрение агентных систем искусственного интеллекта

Publication Details
Publication Date
2026-06-11
Journal
Publisher
ISSN
Cited by
1
Access Type
Author Information
Authors
Su. Rishwanth
Yashwanth L
R M Shiny
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%