SwarmWorld: в MIT показали, как общества LLM-агентов строят...

Исследователи лаборатории LAMM из MIT — Субхадип Пал, Фиона Ванг и Маркус Бюлер — опубликовали 26 августа 2026 года препринт arXiv:2608.26081 «SwarmWorld». В нём сотни изначально одинаковых LLM-агентов в симулированном мире, без назначенных ролей и прямого общения, спонтанно разделились на исследователей, строителей, хранителей артефактов и координаторов. Вместо диалога они обмениваются следами в общей физической среде: стигмергия заменяет чат, а мерилом успеха становятся не самоотчёты моделей, а проверка постоянных артефактов детерминированным симулятором после удаления всех агентов. Общества с взаимодействием дали более широкие и устойчивые наборы решений, чем изолированный поиск best-of-N, хотя польза заявлена на уровне портфеля решений, а не одного лучшего результата.

Что произошло

Ключевая единица эксперимента — постоянные артефакты с детерминированными контроллерами: программами из 1–64 инструкций на 16 регистрах, без циклов и внешнего доступа. Такая конструкция позволяет симулятору после удаления всех агентов тестировать постройки на предварительно не показанных возмущениях. Сравнение шло по четырём условиям: полная культура, вариант без коммуникации, вариант с одной только физической стигмергией и изолированный поиск best-of-N. Размеры групп — N от 50 до 200 агентов, базовый прогон длится 800 тиков, плюс один длинный прогон на 3200 тиков. Общества при взаимодействии давали более широкие и устойчивые портфели решений, чем изоляция, в частности для одного из условий взаимодействия заявлен прирост метрики discovery AUC на 0,069. Механизм передачи технологий авторы фиксируют наблюдательно: большинство повторного использования начинается с физического наблюдения за чужими артефактами, а не с прямого общения.

Контекст

Стигмергия — это координация не сообщениями, а следами, оставленными в общей среде: в SwarmWorld таким следом становится сама физическая среда, где накапливаются постройки и остатки чужой деятельности. Подход противопоставляется привычной оркестрации мультиагентных систем через прямой чат, где значительная часть ресурсов уходит на обмен сообщениями между моделями. Методологическое ядро работы — отделение функции от мнения модели: раз поведение артефактов детерминировано, о пользе решений можно судить по исходу теста симулятором, а самоотчёты LLM о собственной эффективности полностью исключены из оценки. Авторы сами характеризуют результат как методологический, а не как заявку на прорыв в способностях моделей: ролевая специализация выросла эндогенно, из структуры среды и отбора результатов, а не из ролевых промптов и диалога, однако распространение эффекта за пределы этой симуляции остаётся открытым вопросом.

Почему это важно для индустрии

Для индустрии сигнал архитектурный, а не продуктовый: в источниках нет ни API, ни цен, ни метрик latency, а доказательная база пока ограничена одним препринтом с симуляцией. Полезны два проверенных паттерна. Первый касается оценки: результаты агентной работы оформляются как детерминированные версионируемые артефакты и проверяются отдельным верификатором на отложенных, заранее не показанных сценариях, что убирает из пайплайна зависимость от слов самих агентов. Второй касается координации: часть дорогой коммуникации моделей можно заменять следами и артефактами в общей персистентной среде, оставляя финальную валидацию детерминированному процессу. Поскольку зафиксированный выигрыш относится к широте, устойчивости и кумулятивности портфеля решений, паттерн адресован прежде всего задачам, где важна совокупная отдача набора результатов: R&D-агентам, синтезу кода и дизайна. В горизонте полугода развилка зависит от выкладывания кода и независимых репликаций, после чего вероятны стигмергические бейзлайны в мультиагентных сравнениях и появление общей памяти и артефактов как сущностей первого класса в agentic-фреймворках; в горизонте двух лет направление способно оформиться в отдельный класс оркестрации с общим миром и реестром артефактов, если подтвердится переносимость за пределы симулятора.

Почему это важно для пользователей

Читателю работа полезна как демонстрация того, откуда берётся разделение труда в агентных системах: роли выросли без назначений и подсказок, только из структуры среды и отбора результатов. Чтобы понять, где взаимодействие агентов реально помогает, а где достаточно обычного перебора best-of-N, достаточно прочитать аннотацию и раздел с четырьмя условиями — там даны все ключевые сравнения. Практическая ценность в ближайшее время проектная: материала недостаточно для развёртывания, в нём нет продукта и API, поэтому его место — источник архитектурных идей, а не инструмент. Тем, кто следит за мультиагентными фреймворками, эксперимент помогает калибровать ожидания: обещания о кооперации агентов стоит проверять именно на том, расширяет ли совместная работа общий набор решений, а не только на красоте описания ролей.

Что пока неизвестно / ограничения

Доказательная база — один препринт от 26 августа 2026 года без признаков peer review, и его видимость в сообществе пока минимальна: 1 очко и 1 комментарий на Hacker News. Специализация родилась эндогенно в одной конкретной симулированной среде с одним типом артефактов, поэтому переносимость результата на другие домены и другие базовые LLM не показана. Судьба метода зависит от двух вещей, которых нет в аннотации: выкладывания кода и независимых репликаций. Данных о стоимости, задержках и внешнем воспроизведении в источниках нет, а количественные детали вроде прироста discovery AUC на 0,069 требуют сверки с полным текстом работы.

Источники

Автор

Look at AI, редакция