Claude Code сам придумал алгоритм ИИ, который люди не додумались бы

Когда машина умнее проектировщика

Представьте: вы нанимаете сотрудника не для того, чтобы он выполнял ваши инструкции, а чтобы он сам придумал, как лучше работать. Именно это сделала команда исследователей из UMD, UVA, WUSTL, UNC, Google и Meta - и результат оказался обескураживающим для человеческого самолюбия. Агент на базе Claude Code нашел алгоритм масштабирования тестового времени (test-time scaling), до которого люди, судя по всему, сами бы не додумались.

Это не просто красивая история про ИИ. Это сигнал о том, что мы вступаем в эпоху, когда нейросети начинают оптимизировать сами себя - и делают это лучше, чем их создатели.

Что такое AutoTTS и почему это важно

Test-time scaling - это подход, при котором языковая модель тратит больше вычислительных ресурсов на генерацию ответа: запускает несколько параллельных цепочек рассуждений, выбирает лучшую, углубляет перспективные ветки. Грубо говоря, модель "думает дольше", чтобы ответить точнее.

До сих пор правила этого процесса писали люди: когда запускать новую ветку рассуждений, когда ее обрезать, когда остановиться. Это ручная инженерия, которая требует экспертизы и, Часто работает по принципу "попробуем так, посмотрим".

Авторы AutoTTS предложили другой подход: не писать алгоритм самим, а создать среду, в которой ИИ-агент найдет его самостоятельно. Вместо того чтобы определять правила ветвления и отсечения, исследователи описали состояния, действия и обратную связь - а дальше агент разбирался сам.

Как это работает на практике

Ключевая хитрость - офлайн-симуляция. Команда заранее сгенерировала множество цепочек рассуждений от языковой модели и сохранила их. Новый алгоритм управления работает с этими готовыми данными, не запуская модель заново на каждой итерации. Это позволило прогнать тысячи вариантов алгоритмов без астрономических затрат на вычисления.

Claude Code в роли поискового агента работал итеративно: изучал предыдущие попытки, находил слабые места, писал новый вариант управляющего кода. Чтобы пространство поиска не превратилось в хаос из тысяч гиперпараметров, каждое предложение могло раскрывать наружу только один высокоуровневый контроллер - который уже сам устанавливал все внутренние пороги. Элегантное решение проблемы комбинаторного взрыва.

Весь процесс поиска занял 160 минут и стоил около $40. Для научного открытия - смешные деньги.

Результаты, которые заставляют задуматься

На математических бенчмарках AIME и HMMT найденный алгоритм показал лучшую точность на единицу затраченных вычислений по сравнению с ручными методами. Но главная цифра - снижение использования токенов на 70% по сравнению со стандартным self-consistency.

Для справки: self-consistency - это когда модель генерирует 64 ответа параллельно и выбирает победителя голосованием большинства. Это мощно, но дорого. AutoTTS дает сопоставимую точность, сжигая в три с лишним раза меньше ресурсов.

При этом алгоритм перенесся на DeepSeek-R1-Distill-Llama-8B и небиблиографический бенчмарк GPQA-Diamond - то есть это не переобучение под конкретную задачу, а нечто более универсальное.

Логика, до которой люди не додумались

Самое интересное - не цифры, а то, *как именно* работает найденный алгоритм. Он отслеживает, как меняется уверенность модели между раундами рассуждений. Большинство человеческих методов бросают поиск, как только мнения склоняются к одному варианту.

Алгоритм от Claude Code действует хитрее: если уверенность почти не растет - открывает новые ветки рассуждений. Если она быстро нарастает - новые ветки не нужны, ресурсы лучше потратить на углубление существующих. Ветки, чьи промежуточные результаты совпадают с текущим большинством, получают дополнительные вычисления. Отсекаются только те, что стабильно расходятся с правильным направлением - и только после нескольких раундов, не сразу.

Это динамическое адаптивное управление, которое реагирует на процесс рассуждения, а не просто следует статическому расписанию. Люди интуитивно тяготеют к простым правилам - "если X, то Y". Машина нашла что-то более тонкое.

Что это меняет для индустрии

Автоматический поиск алгоритмов - не новая идея. Neural Architecture Search (NAS) занимается примерно тем же для архитектур сетей уже несколько лет. Но AutoTTS делает это в области управления вычислениями при инференсе - там, где сейчас сосредоточена основная конкуренция между лабораториями.

OpenAI с o3, Anthropic с Claude 3.7, Google с Gemini 2.5 - все они вкладываются в улучшение рассуждений именно через test-time compute. Если AutoTTS или подобные подходы войдут в практику, это может сдвинуть баланс: не тот, кто потратит больше на обучение, а тот, кто умнее потратит на инференс.

Для разработчиков и бизнеса это означает потенциально более дешевые API-вызовы при той же качестве ответов. Снижение на 70% токенов - это прямая экономия на счетах за облако.

Российский контекст

Исследование пока остается академическим - код и среда AutoTTS доступны через репозиторий, опубликованный вместе с препринтом. Для российских разработчиков, работающих с открытыми моделями типа DeepSeek-R1, это потенциально применимо уже сейчас: алгоритм был проверен именно на этой модели. VPN и зарубежные карты здесь не нужны - речь о локально запускаемых решениях.

Главный вывод

Мы привыкли думать об ИИ как об инструменте, который выполняет то, что ему скажут. AutoTTS показывает следующий шаг: ИИ как исследователь, который находит решения в пространстве, которое люди даже не успели толком картировать. За $40 и три часа работы - против месяцев человеческих экспериментов.

Это не конец человеческой инженерии в ИИ. Но это отчетливый сигнал: задача инженера смещается от "написать правильный алгоритм" к "создать правильную среду поиска". Разница тонкая, но принципиальная.