Инженерия автономных агентов и компактных моделей решений
Исследовательский центр Смольников создает открытые и прикладные технологии искусственного интеллекта: компилируемый рантайм CapyAgent на Go с детерминированным контролем безопасности (HITL), семейство легковесных нейросетей принятия решений Kivok и Migom, а также специализированные бенчмарки.
Симулятор Decision Layer: Kivok-0.3b
Проверьте принцип работы слоя быстрых суждений. Модель за миллисекунды классифицирует намерение, определяет уровень риска и решает, допустимо ли автономное исполнение или требуется вмешательство человека.
Манифест исследовательского центра
Мы развиваем технологии искусственного интеллекта на основе инженерной строгости, проверяемости и суверенности, отвергая нереалистичный маркетинговый хайп.
Local-First и суверенитет
Агентные системы и модели должны функционировать на инфраструктуре владельца. Передача конфиденциального контекста сторонним облачным сервисам исключена в критических контурах.
Детерминизм и Human-in-the-Loop
Вероятностные генерации не могут напрямую мутировать продакшен. Все необратимые действия (файловая система, сеть, финансы) защищены строгими детерминированными шлюзами.
Компактность вместо гигантомании
Для задач маршрутизации, бинарного выбора и валидации не нужны 70B+ модели. Специализированные сети на 0.3B-2B решают эти задачи быстрее, дешевле и локально на CPU.
Продукты и открытые модели
Наши ключевые программные решения, обученные веса и корпуса данных, готовые к внедрению в исследовательские и коммерческие контуры.
CapyAgent Core
РантаймАвтономный агентный рантайм на языке Go. Полный контроль над операционной системой через псевдотерминалы (PTY), фоновое исполнение процессов, детерминированный HITL-шлюз и управление сессиями.
Kivok-0.3b
Модель 322MСверхлегкая нейросеть принятия решений (Decision Layer). Обучена на корпусе RuDecide для мгновенной классификации типов запросов, валидации и маршрутизации на обычном процессоре.
Migom-2b
Модель 2BСтаршая модель агентных суждений и роутинга навыков. LoRA-адаптация на архитектуре JevK5 для калиброванной оценки уверенности (confidence), выбора инструментов и многокритериальной оценки.
Датасет RuDecide
БенчмаркОткрытый русскоязычный корпус сценариев принятия решений. Включает типизированные задачи выбора (choice), численной шкалы (score) и допуска/блокировки (bool) для агентных сред.
Capy-Browser-Relay
ИнструментИзолированный мост и расширение для браузера, позволяющие автономному агенту безопасно считывать DOM, взаимодействовать с веб-интерфейсами и заполнять формы без раздувания контекста.
ИИ-РОП (capyagent-rop)
ПрикладнойОтраслевой агентный пакет для автоматизированного анализа коммуникаций. Локальная транскрибация речи Yandex SpeechKit, оценка соответствия регламентам, скоринг и синхронизация с Битрикс24.
Исследовательские статьи и препринты
Фундаментальные работы нашего центра, основанные на практической разработке архитектуры CapyAgent и обучении специализированных моделей.
Архитектура детерминированного контроля и Human-in-the-Loop в автономных агентах: опыт разработки ядра CapyAgent на Go
Исследование архитектурных ограничений интерпретируемых агентных сред. Описана модель детерминированного конечного автомата на Go, изоляция процессов через PTY, восстановление прерванных сессий и алгоритмы предотвращения разрушительных мутаций операционной системы.
Kivok-0.3b и концепция сверхлегкого слоя принятия решений: локальный скоринг за 50 мс без обращения к облачным LLM
Анализ неэффективности использования frontier LLM для тривиальной классификации и фильтрации рисков. Предложена архитектура 322M энкодера с многозадачной головой, работающая на CPU со временем отклика до 50 мс и сокращающая расход токенов основного агента на 78%.
RuDecide: построение открытого бенчмарка и датасета для валидации типизированных агентных суждений в русскоязычном контуре
Методология сбора и верификации первого специализированного русскоязычного датасета для агентных решений. Таксономия классов `choice`, `score`, `bool`, фильтрация синтетических галлюцинаций, метрики F1-macro и оценка калибровки доверительных интервалов.
Migom-2b: специализированная дистилляция и LoRA-адаптация для калиброванной маршрутизации мультиагентных навыков
Проблема ложной уверенности (overconfidence) компактных языковых моделей при выборе инструментов. Результаты обучения Migom-2b на архитектуре JevK5/Qwen, алгоритмы температурной калибровки и экспериментальное сравнение точности маршрутизации навыков в сложных средах.
Набор исследователей и волонтеров
Мы приглашаем ML-исследователей, Go-инженеров ядра, специалистов по сбору данных и системных разработчиков принять участие в создании открытых моделей и агентных платформ. Предоставляем доступ к вычислительным мощностям, менторство основателя и соавторство в научных публикациях.