Kan en enskild agent med färdigheter ersätta system med flera agenter? Multiagentsystem fungerar bra för komplext resonemang där specialiserade agenter samarbetar genom explicit kommunikation. Men detta medför betydande beräkningsmässig belastning i tokens och latens. Denna nya forskning undersöker om man kan sammanställa ett multiagentsystem till ett motsvarande enagentsystem genom att byta interagentkommunikation mot färdighetsval. Svaret: ja, men med en förbehåll. Preliminära experiment visar att enkelagent-metoder med färdighetsbibliotek kan minska tokenanvändning och latens avsevärt samtidigt som konkurrenskraftig noggrannhet på resonemangsbenchmarks bibehålls. Så långt är allt bra. Men här blir det intressant. Forskarna frågade: Hur skalar urvalet av färdigheter när bibliotek växer? Med stöd av kognitionsvetenskapen föreslår de att urval av LLM-färdigheter uppvisar begränsad kapacitet analogt med mänskligt beslutsfattande. Och de hittade ett intressant mönster. Istället för att gradvis försämras förblir selektionsnoggrannheten stabil upp till en kritisk biblioteksstorlek, för att sedan sjunka kraftigt. Men det ser ut som en fasövergång, inte en mjuk nedgång. Detta speglar kapacitetsgränser som observerats i mänsklig kognition. Boven är inte bara bibliotekets storlek. Det är den semantiska förvirringen bland liknande färdigheter. När färdigheter är för semantiskt lika kan modellen inte pålitligt skilja mellan dem. Detta tyder på att hierarkisk organisation, som länge har hjälpt människor att hantera komplexa val, på liknande sätt kan gynna AI-system. Initiala resultat med hierarkisk routing stöder denna hypotes. När vi bygger allt mer kompetenta agenter med växande kompetenser blir förståelsen av dessa grundläggande begränsningar avgörande. Du kan inte bara fortsätta lägga till färdigheter i all oändlighet. Det finns en tröskel där urvalet bryts ner, och det sker plötsligt, inte gradvis. Papper: Lär dig att bygga effektiva AI-agenter i vår akademi: