Исследователи представляют ALITA-G, фреймворк самосовершенствования, который превращает универсальных агентов в экспертов предметной области за счет систематической генерации, абстрагирования и курирования инструментов Model Context Protocol (MCP). Система синтезирует кандидаты на роль инструментов из успешных траекторий выполнения задач, консолидирует их в MCP Box и использует выборку с дополнением запросов (retrieval-augmented selection) во время вывода.
- На наборе данных GAIA ALITA-G достигает 83.03% pass@1 и 89.09% pass@3, устанавливая новый рекордный результат.
- Фреймворк снижает среднее количество токенов на пример примерно на 15% по сравнению с сильным базовым агентом.
- Он демонстрирует значительные улучшения на бенчмарках, включая GAIA, PathVQA и Humanity's Last Exam.
ALITA-G обеспечивает обоснованный путь от общих возможностей к переиспользуемой компетенции в конкретной области, улучшая как точность, так и эффективность при решении сложных задач логического вывода.