Bloomberg сообщил, что DeepSeek тестирует более эффективный и безопасный метод обучения AI-агентов. Деталь, которая важна для инженерных команд, — это цель: данная работа касается именно обучения агентов, а не предварительного обучения базовой модели. Обучение агентов находится ближе к поведению при развёртывании — использование инструментов, декомпозиция задач, восстановление после неудачных шагов — поэтому улучшения здесь, как правило, сдвигают те метрики, за которыми действительно следят операционные команды.
Одновременно проверяются два утверждения: эффективность и безопасность. Если оба подтвердятся, практические последствия будут разными, но связанными. Более дешёвое обучение агентов снижает стоимость итераций над политиками агентов, что меняет то, как часто команды могут переобучать или дообучать модель на реальных распределениях задач. Более жёсткие рамки безопасности меняют то, что команды могут предполагать о контролируемости во время и после обу
Анонс появляется в конкурентный период, когда лаборатории с открытыми весами одновременно заявляют о эффективности обучения и безопасности. Что остаётся неясным из публикации: конкретный метод, какие-либо измеренные результаты и является ли компонент безопасности архитектурным или процедурным. Никакие бенчмарки, цифры или сроки не раскрыты. Behzat AI рассматривает такие заявления как гипотезы, которые необходимо воспроизвести на собственном стенде оценки агентов, прежде чем они повлияют на модели затрат или предположения о безопасности.