Populære emner
#
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.
Agent Primitive //
Dette er en veldig interessant tilnærming til å bygge effektive systemer med flere agenter.
Multi-agent-systemer blir mer komplekse etter hvert som oppgavene blir vanskeligere. Flere roller, flere prompts, flere skreddersydde interaksjonsmønstre. Likevel gjentar kjerneberegningsmønstrene seg i hvert system: gjennomgang, avstemning, planlegging, gjennomføring.
Men ingen behandler disse mønstrene som gjenbrukbare byggeklosser.
Denne nye forskningen introduserer Agent Primitives, et sett med latente byggesteiner for å konstruere effektive systemer med flere agenter.
Inspirert av hvordan nevrale nettverk bygges opp av gjenbrukbare komponenter som restblokker og oppmerksomhetshoder, deler forskerne opp fleragentarkitekturer i tre tilbakevendende primitiver: Gjennomgang, Stemming og Utvelgelse, og Planlegging og gjennomføring.
Hva gjør disse primitive forskjellige? Agenter inne i hver primitiv kommuniserer via KV-cache i stedet for naturlig språk. Dette unngår informasjonsforringelsen som skjer når agenter sender lange tekstmeldinger frem og tilbake på tvers av flertrinnsinteraksjoner.
En Organizer-agent velger og komponerer primitiver for hver forespørsel, styrt av en lett kunnskapsbase av tidligere vellykkede konfigurasjoner.
Ingen manuell systemdesign kreves.
Resultatene på åtte benchmarks som dekker matematikk, kodegenerering og QA med fem åpne LLM-er:
> Primitive-baserte MAS forbedrer gjennomsnittlig nøyaktighet med 12,0–16,5 % sammenlignet med enkeltagent-baselines
> På GPQA-Diamond er forbedringen slående, 53,2 % mot området 33,6–40,2 % for tidligere metoder som AgentVerse, DyLAN og MAS-GPT
Når det gjelder effektivitet, synker tokenbruk og slutningsforsinkelse med omtrent 3–4 ganger sammenlignet med tekstbasert MAS, samtidig som det kun pådrar seg 1,3–1,6 ganger overhead sammenlignet med enkeltagent-inferens.
I stedet for å designe oppgavespesifikke fleragentarkitekturer fra bunnen av, viser Agent Primitives at et lite sett med gjenbrukbare beregningsmønstre med latent kommunikasjon kan matche eller overgå tilpassede systemer, samtidig som det er dramatisk mer effektivt.
Artikkel:
...

Topp
Rangering
Favoritter
