Produkt4. august 2026
AI-agenter reparerer feil i sanntid, øker suksess dramatisk
Av redaksjonen
Ny forskning viser hvordan AI-agenter selv kan oppdage og rette feil underveis, en metode som øker oppgavesuksess fra 52 % til 73 % med minimal ekstra ressursbruk.
Forskere har utviklet en metode for AI-agenter til å identifisere egne feil i sanntid og deretter reversere og gjenta feilslåtte steg. Denne selvkorrigerende mekanismen bidrar til å øke suksessraten for komplekse oppgaver betydelig.
Studien testet metoden på 2823 agentepisoder og fant at den oppdaget 71 % av feilene med kun 5 % falske alarmer. Dette er gjort ved å overvåke agentens – systeminformasjon om hva agenten gjør – underveis, uten å måtte bruke en ekstra, kostbar AI-modell for å vurdere hvert steg. Reparasjonsprosessen, som ruller tilbake og kjører på nytt, gjenvinner 45 % av mislykkede operasjoner. Kostnaden er marginal, omtrent 200 mikrosekunder per steg og én ekstra modellkjøring per oppgave.
Den nye tilnærmingen løser flere utfordringer med , blant annet looping, verktøyfeil og avvik fra opprinnelig mål. Ved å bruke en kombinasjon av overvåking og deterministisk verifisering, som sjekker at agenten har utført alle påkrevde handlinger korrekt, fanger systemet opp de fleste feil. Dette sikrer at agentene ikke bare fortsetter uforstyrret mot feilaktige resultater, men aktivt korrigerer kursen.