Trendaavat aiheet
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Agenttiprimitiivit //
Tämä on todella mielenkiintoinen näkökulma tehokkaiden moniagenttien järjestelmien rakentamiseen.
Moniagenttijärjestelmät monimutkaistuvat, kun tehtävät vaikeutuvat. Enemmän rooleja, enemmän kehotuksia, enemmän räätälöityjä vuorovaikutusmalleja. Kuitenkin ydinlaskentamallit toistuvat kaikissa järjestelmissä: tarkastelu, äänestys, suunnittelu, toteutus.
Mutta kukaan ei pidä näitä kaavoja uudelleenkäytettävinä rakennuspalikoina.
Tämä uusi tutkimus esittelee Agent Primitives, joukon latentteja rakennuspalikoita tehokkaiden moniagenttien järjestelmien rakentamiseen.
Inspiroituneina siitä, miten neuroverkot rakennetaan uudelleenkäytettävistä komponenteista, kuten jäännöslohkoista ja huomiopäistä, tutkijat jakavat moniagenttiarkkitehtuurit kolmeen toistuvaan perusmuotoon: tarkasteluun, äänestykseen ja valintaan sekä suunnitteluun ja toteutukseen.
Mikä erottaa nämä primitiivit? Agentit kunkin primitiivin sisällä kommunikoivat KV-välimuistin kautta luonnollisen kielen sijaan. Tämä estää tiedon heikkenemisen, joka syntyy, kun agentit välittävät pitkiä tekstiviestejä monivaiheisten vuorovaikutusten välillä.
Järjestäjäagentti valitsee ja koostaa primitiivit jokaiselle kyselylle, ohjaten kevyen tietopoolin aiemmin onnistuneista konfiguraatioista.
Manuaalista järjestelmän suunnittelua ei tarvita.
Tulokset kahdeksassa vertailukohdassa, jotka kattavat matematiikan, koodin generoinnin ja laadunvarmistuksen, viidellä avoimen lähdekoodin LLM:llä:
> Primitiveihin perustuvat MAS:t parantavat keskimääräistä tarkkuutta 12,0–16,5 % yksittäisen aineen lähtötasoihin verrattuna
> GPQA-Diamondissa parannus on silmiinpistävä, 53,2 % verrattuna aiempiin menetelmiin kuten AgentVerse, DyLAN ja MAS-GPT 33,6–40,2 %
Tehokkuuden osalta tokenien käyttö ja päättelyviive laskevat noin 3–4-kertaiseksi verrattuna tekstipohjaiseen MAS:iin, ja kokonaiskustannukset ovat vain 1,3–1,6x verrattuna yksittäisagentin päättelyyn.
Sen sijaan, että suunniteltaisiin tehtäväkohtaisia moniagenttiarkkitehtuureja alusta alkaen, Agent Primitives osoittaa, että pieni joukko uudelleenkäytettäviä laskentamalleja piilevällä viestinnellä voi vastata tai ylittää räätälöidyt järjestelmät ja olla huomattavasti tehokkaampi.
Artikkeli:
...

Johtavat
Rankkaus
Suosikit
