Primitivos agentes // Esta es una visión realmente interesante sobre cómo construir sistemas multiagente efectivos. Los sistemas multiagente se vuelven más complejos a medida que las tareas se complican. Más roles, más prompts, más patrones de interacción personalizados. Sin embargo, los patrones de cálculo centrales se repiten en todos los sistemas: revisar, votar, planificar, ejecutar. Pero nadie trata estos patrones como bloques de construcción reutilizables. Esta nueva investigación introduce las Primitivas Agentes, un conjunto de bloques latentes para construir sistemas multiagente efectivos. Inspirados por cómo las redes neuronales se construyen a partir de componentes reutilizables como bloques residuales y cabezas de atención, los investigadores descomponen arquitecturas multiagente en tres primitivas recurrentes: Revisión, Votación y Selección, y Planificación y Ejecución. ¿Qué hace que estos primitivos sean diferentes? Los agentes dentro de cada primitiva se comunican mediante KV-cache en lugar de lenguaje natural. Esto evita la degradación de la información que ocurre cuando los agentes envían largos mensajes de texto entre interacciones en varias etapas. Un agente Organizer selecciona y compone primitivas para cada consulta, guiado por un conjunto ligero de conocimientos de configuraciones previamente exitosas. No se requiere diseño manual del sistema. Los resultados en ocho benchmarks que abarcan matemáticas, generación de código y QA con cinco LLMs de código abierto: > MAS basados en primitivas mejoran la precisión media entre un 12,0 y un 16,5% respecto a las bases de un solo agente > En GPQA-Diamond, la mejora es notable, 53,2% frente al rango del 33,6-40,2% de métodos anteriores como AgentVerse, DyLAN y MAS-GPT En términos de eficiencia, el uso de tokens y la latencia de inferencia disminuyen aproximadamente 3-4 veces en comparación con el MAS basado en texto, mientras que solo generan sobrecarga entre 1,3 y 1,6x respecto a la inferencia de agente único. En lugar de diseñar arquitecturas multiagente específicas para cada tarea desde cero, las Primitivas de Agentes muestran que un pequeño conjunto de patrones de cómputo reutilizables con comunicación latente puede igualar o superar sistemas personalizados siendo considerablemente más eficientes. Papel: ...