Agen yang secara asli mengatur sendiri, mengelola konteks, alat, dan sub-agen mereka sendiri, adalah pembukaan besar berikutnya dalam kinerja LLM. Saat ini, seorang insinyur terampil yang membangun harness yang dioptimalkan, dengan aliran data yang bijaksana, pemisahan kekhawatiran, manajemen sub-agen, dll., dapat membuat peningkatan dramatis dibandingkan garis dasar untuk tugas-tugas tertentu. Jika seorang model dapat melakukan ini sendiri, itu akan menjadi langkah maju yang besar. Anda memberinya tujuan dan seperangkat alat, dan ia menemukan cara optimal untuk mengatur dirinya sendiri untuk melakukan tugas. Misalnya, saya sedang membangun ilmuwan AI yang sangat primitif yang akan segera saya buka-buka. Sebagian besar pekerjaan tidak ada di prompt, itu ada di harness ... apa yang dilihat orkestrator, apa yang dilihat sub-agen, apa yang dibagikan di antara mereka dan kapan, di mana kita meringkas vs. meneruskan data mentah, dan alat mana yang dikendalikan setiap agen. Melakukan ini memungkinkan saya untuk secara dramatis meningkatkan apa yang dapat dilakukan model dengan sendirinya. Jika sebuah model dapat secara efektif merancang harnessnya sendiri untuk masalah tertentu, itu akan menjadi langkah maju yang besar. Taruhan saya: model orkestrasi sendiri... Yang mengelola konteks, alat, dan sub-agen mereka sendiri, akan menggerakkan batas hampir sama seperti lompatan dari chatbot → penalaran. Mungkin lebih.

Hanya memanggil tembakan saya di sini ... Saya cukup percaya diri dalam hal ini. Seseorang dapat membuat prototipe ini hari ini (mungkin saya akan!) dengan meminta model menulis harness untuk prompt tertentu di Python, memasukkannya ke dalam kotak pasir @daytonaio atau sesuatu yang serupa, dan kemudian meneruskan prompt ke harness.