НОВЫЕ исследования Стэнфорда. Дебаты по поводу AGI застряли на ложной дихотомии. Первая позиция: масштабируйте LLM, и интеллект появится. Вторая позиция: LLM — это сопоставители шаблонов, неспособные к рассуждению, тупиковый путь. Эта статья выступает за третью позицию: Подложка плюс Координация. LLM являются необходимым хранилищем шаблонов системы-1. Недостающим компонентом является слой координации системы-2, который выбирает, ограничивает и связывает эти шаблоны с внешними целями. Автор утверждает, что ключевое понимание приходит из метафоры рыбалки. Океан — это обширные скрытые знания модели. Забрасывание без приманки извлекает максимальную вероятность: общие, стандартные результаты. Критики, наблюдающие за галлюцинациями, не видят сломанную систему. Они видят заброс без приманки. Интеллектуальное поведение требует приманки и фильтрации. Статья формализует это через UCCT, теорию, в которой рассуждение возникает как фазовый переход. Три фактора управляют переходом: эффективная поддержка (плотность приманки, привлекающая целевые концепции), несоответствие представлениям (насколько сильно предшествующее сопротивляется) и адаптивный бюджет якорения (стоимость контекста). Когда сила якорения пересекает порог, поведение переключается с галлюцинации на целенаправленный контроль. Два примера в контексте могут переопределить арифметику, изученную на миллиардах токенов. Переход дискретный, а не постепенный. Координация является узким местом в современных системах ИИ. MACI реализует этот слой координации: модульированное поведением обсуждение между агентами, сократическое судейство, которое фильтрует плохо сформулированные аргументы, и транзакционная память, которая поддерживает состояние на протяжении эпизодов рассуждения. Прочитайте статью по инженерии агентного контекста для идей о части памяти. Путь к AGI проходит через LLM, а не вокруг них. Вопрос не в том, достаточно ли хранилищ шаблонов. Вопрос в том, какие механизмы координации могут преобразовать емкость шаблонов в надежное, проверяемое рассуждение. Статья: Научитесь создавать эффективных ИИ-агентов в нашей академии: