Чи може один агент із навичками замінити мультиагентні системи? Мультиагентні системи добре працюють для складного мислення, де спеціалізовані агенти співпрацюють через явну комунікацію. Але це спричиняє значні обчислювальні витрати у вигляді токенів і затримки. Це нове дослідження досліджує, чи можна скомпілювати багатоагентну систему в еквівалентну систему з одним агентом, обмінюючи міжагентську комунікацію на вибір навичок. Відповідь: так, але з однією застереженням. Попередні експерименти показують, що підходи з одним агентом із бібліотеками навичок можуть суттєво зменшити використання токенів і затримку, зберігаючи при цьому конкурентну точність на бенчмарках міркування. Поки що добре. Але ось де починається цікаво. Дослідники запитали: Як масштабується вибір навичок у міру зростання бібліотек? Спираючись на когнітивну науку, вони припускають, що вибір навичок LLM має обмежену здатність, аналогічну людському прийняттю рішень. І вони знайшли цікаву закономірність. Замість поступового зниження точність вибору залишається стабільною до критичного розміру бібліотеки, а потім різко падає. Але це виглядає як фазовий перехід, а не плавний спад. Це відображає обмеження ємності, які спостерігаються в людській когніції. Причина не лише в розмірі бібліотеки. Це семантична плутанина між подібними навичками. Коли навички надто семантично схожі, модель не може надійно їх розрізнити. Це свідчить про те, що ієрархічна організація, яка давно допомагала людям керувати складними виборами, може також принести користь системам ШІ. Початкові результати з ієрархічною маршрутизацією підтверджують цю гіпотезу. У міру того, як ми будуємо дедалі здібніших агентів із розширенням навичок, розуміння цих фундаментальних обмежень стає критично важливим. Ти не можеш просто додавати навички безкінечно. Є поріг, коли відбір руйнується, і це відбувається раптово, а не поступово. Стаття: Навчіться створювати ефективних агентів ШІ в нашій академії: