Un singolo agente con competenze può sostituire i sistemi multi-agente? I sistemi multi-agente funzionano bene per il ragionamento complesso in cui agenti specializzati collaborano attraverso comunicazioni esplicite. Ma questo comporta un notevole sovraccarico computazionale in termini di token e latenza. Questa nuova ricerca esplora se è possibile compilare un sistema multi-agente in un sistema equivalente a singolo agente scambiando la comunicazione inter-agente con la selezione delle competenze. La risposta è: sì, ma con una riserva. Esperimenti preliminari mostrano che gli approcci a singolo agente con librerie di competenze possono ridurre sostanzialmente l'uso di token e la latenza mantenendo un'accuratezza competitiva nei benchmark di ragionamento. Finora, tutto bene. Ma qui le cose si fanno interessanti. I ricercatori hanno chiesto: come scala la selezione delle competenze man mano che le librerie crescono? Attraendo dalla scienza cognitiva, propongono che la selezione delle competenze LLM mostri una capacità limitata analoga al processo decisionale umano. E hanno trovato un modello interessante. Invece di degradare gradualmente, l'accuratezza della selezione rimane stabile fino a una dimensione critica della libreria, poi scende bruscamente. Ma sembra una transizione di fase, non un declino graduale. Questo rispecchia i limiti di capacità osservati nella cognizione umana. Il colpevole non è solo la dimensione della libreria. È la confusione semantica tra competenze simili. Quando le competenze sono troppo semanticamente simili, il modello non riesce a distinguere affidabilmente tra di esse. Questo suggerisce che un'organizzazione gerarchica, che ha a lungo aiutato gli esseri umani a gestire scelte complesse, potrebbe beneficiare in modo simile i sistemi AI. I risultati iniziali con il routing gerarchico supportano questa ipotesi. Man mano che costruiamo agenti sempre più capaci con set di competenze in espansione, comprendere questi limiti fondamentali diventa critico. Non puoi semplicemente continuare ad aggiungere competenze all'infinito. C'è una soglia oltre la quale la selezione si interrompe, e accade improvvisamente, non gradualmente. Articolo: Impara a costruire agenti AI efficaci nella nostra accademia: