// Agent Primitives // Dies ist eine wirklich interessante Herangehensweise an den Aufbau effektiver Multi-Agenten-Systeme. Multi-Agenten-Systeme werden komplexer, je schwieriger die Aufgaben werden. Mehr Rollen, mehr Aufforderungen, mehr maßgeschneiderte Interaktionsmuster. Dennoch wiederholen sich die grundlegenden Berechnungsmuster in jedem System: Überprüfung, Abstimmung, Planung, Ausführung. Aber niemand behandelt diese Muster als wiederverwendbare Bausteine. Diese neue Forschung führt Agent Primitives ein, eine Reihe latenter Bausteine zum Konstruieren effektiver Multi-Agenten-Systeme. Inspiriert von der Art und Weise, wie neuronale Netzwerke aus wiederverwendbaren Komponenten wie Residualblöcken und Aufmerksamkeitsköpfen aufgebaut sind, zerlegen die Forscher Multi-Agenten-Architekturen in drei wiederkehrende Primitiven: Überprüfung, Abstimmung und Auswahl sowie Planung und Ausführung. Was macht diese Primitiven anders? Agenten innerhalb jedes Primitivs kommunizieren über KV-Cache anstelle von natürlicher Sprache. Dies vermeidet die Informationsverschlechterung, die auftritt, wenn Agenten lange Textnachrichten hin und her über mehrstufige Interaktionen senden. Ein Organisator-Agent wählt und kombiniert Primitiven für jede Anfrage, geleitet von einem leichten Wissenspool zuvor erfolgreicher Konfigurationen. Kein manuelles Systemdesign erforderlich. Die Ergebnisse über acht Benchmarks, die Mathematik, Code-Generierung und QA mit fünf Open-Source-LLMs abdecken: > Auf Primitiven basierende MAS verbessern die durchschnittliche Genauigkeit um 12,0-16,5 % im Vergleich zu Single-Agenten-Baselines. > Bei GPQA-Diamond ist die Verbesserung auffällig, 53,2 % gegenüber dem Bereich von 33,6-40,2 % früherer Methoden wie AgentVerse, DyLAN und MAS-GPT. In Bezug auf die Effizienz sinken der Tokenverbrauch und die Inferenzlatenz um etwa 3-4x im Vergleich zu textbasierten MAS, während nur 1,3-1,6x Mehrkosten im Vergleich zur Inferenz von Einzelagenten anfallen. Anstatt aufgaben-spezifische Multi-Agenten-Architekturen von Grund auf neu zu entwerfen, zeigen Agent Primitives, dass eine kleine Menge wiederverwendbarer Berechnungsmuster mit latenter Kommunikation maßgeschneiderte Systeme erreichen oder übertreffen kann, während sie dramatisch effizienter sind. Papier: ...