3,583 papers
arXiv:2512.15374 73 17 дек. 2025 г. PRO

SCOPE: самообучающиеся промпты через анализ собственных ошибок

КЛЮЧЕВАЯ СУТЬ
Проблема: LLM-агент получает ошибку 'доступные аргументы: X, Y, Z' — и тупо повторяет ту же команду с неправильным аргументом. SCOPE позволяет агентам учиться на собственных ошибках прямо во время работы, превращая логи выполнения в правила. Система анализирует что делал агент, какие ошибки получал, синтезирует guidelines типа 'При ошибке X используй метод Y' и добавляет их в промпт. Двухуровневая память: тактические правила для текущей задачи, стратегические — навсегда.
Адаптировать под запрос
📋 Дайджест исследования

Контент доступен только для PRO подписчиков

Чтобы получить доступ к дайджесту этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Контент доступен только для PRO подписчиков

Чтобы получить доступ к концептам этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO
📖 Простыми словами

Контент доступен только для PRO подписчиков

Чтобы получить доступ к упрощённому объяснению этого исследования, оформите PRO подписку

💳 Оплатить через Геткурс
YandexPay • SberPay • СБП • Карты РФ
⚡ Оплатить через Tribute
Telegram Stars • Моментальный доступ
Узнать о PRO

Работа с исследованием

Адаптируйте исследование под ваши задачи или создайте готовый промпт на основе техник из исследования.

0 / 2000
~0.5-2 N-токенов ~10-30с
~0.3-1 N-токенов ~5-15с