Структурированная неопределенность, управляющая уточнением для LLM-агентов

LLM-агенты проваливают 30-40% задач не из-за слабости модели, а из-за того, что додумывают недостающие детали вместо уточнения («позвони Алексу» → агент звонит случайному Алексу из контактов). Метод SAGE-Agent позволяет создавать агентов, которые математически оценивают свою неуверенность в каждом параметре задачи и задают только критически важные вопросы. Агент переходит из режима "генератор ответов" в режим "сборщик данных" — сначала собирает все обязательные параметры через структурированную схему задачи (tool schema), потом действует. Результат: +7-39% точности при 1.5-2.7x меньшем количестве вопросов, чем у стандартных агентов.