Un seul agent avec des compétences peut-il remplacer des systèmes multi-agents ? Les systèmes multi-agents fonctionnent bien pour un raisonnement complexe où des agents spécialisés collaborent par le biais d'une communication explicite. Mais cela entraîne un coût computationnel substantiel en tokens et en latence. Cette nouvelle recherche explore si vous pouvez compiler un système multi-agents en un système équivalent à agent unique en échangeant la communication inter-agents contre la sélection de compétences. La réponse : oui, mais avec une mise en garde. Des expériences préliminaires montrent que les approches à agent unique avec des bibliothèques de compétences peuvent réduire considérablement l'utilisation de tokens et la latence tout en maintenant une précision compétitive sur les benchmarks de raisonnement. Jusque-là, tout va bien. Mais voici où cela devient intéressant. Les chercheurs ont demandé : comment la sélection de compétences évolue-t-elle à mesure que les bibliothèques grandissent ? S'appuyant sur la science cognitive, ils proposent que la sélection de compétences des LLM présente une capacité limitée analogue à la prise de décision humaine. Et ils ont trouvé un schéma intéressant. Plutôt que de se dégrader progressivement, la précision de sélection reste stable jusqu'à une taille critique de la bibliothèque, puis chute brusquement. Mais cela ressemble à une transition de phase, pas à une diminution progressive. Cela reflète les limites de capacité observées dans la cognition humaine. Le coupable n'est pas seulement la taille de la bibliothèque. C'est la confusabilité sémantique entre des compétences similaires. Lorsque les compétences sont trop sémantiquement similaires, le modèle ne peut pas les distinguer de manière fiable. Cela suggère qu'une organisation hiérarchique, qui a longtemps aidé les humains à gérer des choix complexes, pourrait également bénéficier aux systèmes d'IA. Les résultats initiaux avec le routage hiérarchique soutiennent cette hypothèse. Alors que nous construisons des agents de plus en plus capables avec des ensembles de compétences en expansion, comprendre ces limites fondamentales devient critique. Vous ne pouvez pas simplement continuer à ajouter des compétences indéfiniment. Il y a un seuil où la sélection échoue, et cela se produit soudainement, pas progressivement. Article : Apprenez à construire des agents d'IA efficaces dans notre académie :