Исследователи из Нанкинского университета, Университета Цинхуа и ряда других научных организаций представили систему Solvita — интеллектуального агента для решения задач по спортивному программированию. Главное преимущество нового подхода заключается не в более мощной языковой модели, а в способности системы накапливать опыт и использовать его при решении новых задач.

Спортивное программирование остается одним из наиболее сложных испытаний для современных больших языковых моделей. Даже если ИИ способен написать рабочий код, он нередко ошибается при выборе алгоритма, не учитывает граничные случаи или не проходит скрытые тесты, которые используются на соревнованиях.

В отличие от обычных кодовых ассистентов, Solvita организует процесс решения задачи как совместную работу четырех специализированных агентов. Первый анализирует условие задачи и выбирает стратегию решения, второй пишет и исправляет код, третий генерирует дополнительные тесты для проверки программы, а четвертый пытается найти ошибки, специально создавая сложные входные данные, которые могут привести к неправильному результату.

Ключевой особенностью системы является обучаемая графовая база знаний. Вместо простого поиска похожих примеров Solvita постепенно запоминает, какие алгоритмы и подходы оказались успешными для определенных типов задач, а какие привели к ошибкам. После каждого решения связи внутри этой базы обновляются, благодаря чему агент становится эффективнее без необходимости повторного обучения самой языковой модели.

Еще одно отличие Solvita — способ исправления ошибок. Если программа не проходит тесты, система не переписывает весь код заново, а старается внести минимальные локальные изменения. Такой подход позволяет сохранить уже работающие части решения и снизить вероятность появления новых ошибок.

Авторы протестировали систему на нескольких популярных наборах задач, а также на реальных соревнованиях платформы Codeforces. По их данным, Solvita превзошла как обычные языковые модели, так и существующие многоагентные решения на большинстве тестовых наборов. Используя современные большие языковые модели в качестве основы, система смогла достичь рейтинга свыше 3500 баллов на Codeforces, что соответствует уровню сильнейших участников мирового сообщества спортивного программирования.

Исследователи считают, что работа Solvita демонстрирует важную тенденцию в развитии AI-агентов. Вместо простого увеличения размеров языковых моделей все большее значение приобретают механизмы планирования, самопроверки, накопления опыта и использования предыдущих ошибок для повышения качества последующих решений.

По мнению авторов, подобные архитектуры могут найти применение не только в спортивном программировании, но и в других сложных инженерных задачах, где требуется длительное рассуждение, проверка промежуточных результатов и постепенное совершенствование стратегии решения.