HEXIS organise les compétences des agents d’intelligence artificielle

MMarc

Des chercheurs présentent HEXIS, une méthode qui transforme les compétences d’agents d’intelligence artificielle en machines à états, selon arXiv. Leur question est la suivante : comment aider un agent à suivre les étapes prévues, sans lui faire redéduire à chaque fois quelle opération vient ensuite ? Les consignes indiquent ce qu’il faut savoir faire ; le parcours décrit les étapes à suivre et les conditions pour passer de l’une à l’autre. Dans HEXIS, les compétences sont compilées en machines à états finis étendues. Chaque état contient des instructions qui guident le raisonnement de l’agent. La machine conserve aussi l’avancement et les résultats intermédiaires. Des conditions explicites déterminent ensuite quelle opération vient après. Le but est de séparer les connaissances mobilisées du contrôle du parcours. Un compilateur incrémental associe les consignes et les interfaces des outils à des opérations, des instructions propres à chaque état et des transitions. Il compare aussi les traces d’exécution aux états déjà présents, pour repérer des opérations ou des dépendances manquantes. Il peut alors ajouter des états ou en réutiliser, puis ajuster leurs liens. Les changements ne sont acceptés qu’après des vérifications statiques et le rejeu des traces déjà acceptées. Sur 4 bancs d’essai et avec 4 exécuteurs, les auteurs annoncent un taux de réussite supérieur de 16,1 points en moyenne à celui de Skill + ReAct. Avec Qwen3.8-27B, HEXIS utilise de 38,4 % à 88,9 % de jetons en moins à l’exécution, selon les bancs d’essai. Ces résultats concernent les tests rapportés, et non toutes les tâches possibles.