Bisakah satu agen dengan keterampilan menggantikan sistem multi-agen? Sistem multi-agen bekerja dengan baik untuk penalaran kompleks di mana agen khusus berkolaborasi melalui komunikasi eksplisit. Tetapi ini menimbulkan overhead komputasi yang substansial dalam token dan latensi. Penelitian baru ini mengeksplorasi apakah Anda dapat mengkompilasi sistem multi-agen menjadi sistem agen tunggal yang setara dengan memperdagangkan komunikasi antar-agen untuk pemilihan keterampilan. Jawabannya: ya, tetapi dengan peringatan. Eksperimen awal menunjukkan pendekatan agen tunggal dengan pustaka keterampilan dapat secara substansial mengurangi penggunaan dan latensi token sambil mempertahankan akurasi kompetitif pada tolok ukur penalaran. Sejauh ini baik-baik saja. Tapi di sinilah itu menjadi menarik. Para peneliti bertanya: Bagaimana pemilihan keterampilan berskala seiring pertumbuhan perpustakaan? Menggambar pada ilmu kognitif, mereka mengusulkan bahwa pemilihan keterampilan LLM menunjukkan kapasitas terbatas yang analog dengan pengambilan keputusan manusia. Dan mereka menemukan pola yang menarik. Alih-alih menurun secara bertahap, akurasi seleksi tetap stabil hingga ukuran pustaka kritis, kemudian turun tajam. Tapi itu terlihat seperti transisi fase, bukan penurunan yang mulus. Ini mencerminkan batas kapasitas yang diamati dalam kognisi manusia. Pelakunya bukan ukuran perpustakaan saja. Ini adalah kebingungan semantik di antara keterampilan serupa. Ketika keterampilan terlalu mirip secara semantik, model tidak dapat membedakan di antara mereka dengan andal. Ini menunjukkan organisasi hierarkis, yang telah lama membantu manusia mengelola pilihan yang kompleks, juga dapat menguntungkan sistem AI. Hasil awal dengan perutean hierarkis mendukung hipotesis ini. Saat kami membangun agen yang semakin cakap dengan keahlian yang berkembang, memahami batasan mendasar ini menjadi penting. Anda tidak bisa terus menambahkan keterampilan tanpa batas waktu. Ada ambang batas di mana seleksi rusak, dan itu terjadi secara tiba-tiba, tidak secara bertahap. Kertas: Pelajari cara membangun agen AI yang efektif di akademi kami: