Voiko yksi taitava agentti korvata moniagenttijärjestelmät? Moniagenttijärjestelmät toimivat hyvin monimutkaisessa päättelyssä, jossa erikoistuneet agentit tekevät yhteistyötä eksplisiittisen viestinnän kautta. Tämä aiheuttaa kuitenkin merkittävää laskennallista kuormitusta tokeneissa ja viiveessä. Tämä uusi tutkimus tutkii, voiko moniagenttijärjestelmästä koota vastaavan yhden agentin järjestelmän vaihtamalla agenttien välisen viestinnän taitojen valintaan. Vastaus: kyllä, mutta yhdellä varauksella. Alustavat kokeet osoittavat, että yksiagenttimenetelmät taitokirjastojen avulla voivat merkittävästi vähentää tokenien käyttöä ja viivettä säilyttäen kilpailutarkkuuden päättelytesteissä. Kaikki hyvin toistaiseksi. Mutta tässä kohtaa se muuttuu mielenkiintoiseksi. Tutkijat kysyivät: Miten taitojen valinta skaalautuu kirjastojen kasvaessa? Kognitiotieteeseen nojaten he ehdottavat, että LLM-taitojen valinta osoittaa rajattua kapasiteettia, joka on verrattavissa ihmisen päätöksentekoon. Ja he löysivät mielenkiintoisen kaavan. Sen sijaan, että valintatarkkuus heikkenisi vähitellen, se pysyy vakaana kriittiseen kirjastokokoon asti, minkä jälkeen se laskee jyrkästi. Mutta se näyttää vaihesiirtymältä, ei tasaiselta laskulta. Tämä heijastaa ihmisen kognitiossa havaittuja kapasiteettirajoituksia. Syyllinen ei ole pelkästään kirjaston koko. Kyse on semanttisesta sekaannusta samankaltaisten taitojen välillä. Kun taidot ovat semanttisesti liian samankaltaisia, malli ei pysty luotettavasti erottamaan niitä toisistaan. Tämä viittaa siihen, että hierarkkinen organisaatio, joka on pitkään auttanut ihmisiä hallitsemaan monimutkaisia valintoja, saattaa samalla tavalla hyödyttää tekoälyjärjestelmiä. Alkuperäiset tulokset hierarkkisella reitityksellä tukevat tätä hypoteesia. Kun rakennamme yhä kykenevämpiä agentteja, joilla on laajenevat osaamiset, näiden perustavanlaatuisten rajojen ymmärtäminen on kriittistä. Et voi vain jatkaa taitojen lisäämistä loputtomiin. On olemassa kynnys, jossa valinta hajoaa, ja se tapahtuu äkillisesti, ei vähitellen. Artikkeli: Opettele rakentamaan tehokkaita tekoälyagentteja akatemiassamme: