Может ли один агент с навыками заменить многопользовательские системы? Многопользовательские системы хорошо работают для сложного рассуждения, где специализированные агенты сотрудничают через явное общение. Но это влечет за собой значительные вычислительные затраты в токенах и задержке. Это новое исследование изучает, можно ли скомпилировать многопользовательскую систему в эквивалентную однопользовательскую систему, заменив межагентное общение на выбор навыков. Ответ: да, но с оговоркой. Предварительные эксперименты показывают, что подходы с одним агентом и библиотеками навыков могут существенно сократить использование токенов и задержку, сохраняя при этом конкурентоспособную точность на эталонах рассуждения. Пока все хорошо. Но вот где становится интересно. Исследователи задали вопрос: как масштабируется выбор навыков по мере роста библиотек? Опираясь на когнитивную науку, они предполагают, что выбор навыков LLM демонстрирует ограниченную емкость, аналогичную человеческому принятию решений. И они обнаружили интересный паттерн. Вместо того чтобы постепенно ухудшаться, точность выбора остается стабильной до критического размера библиотеки, а затем резко падает. Но это похоже на фазовый переход, а не на плавное снижение. Это отражает ограничения емкости, наблюдаемые в человеческом познании. Виновником является не только размер библиотеки. Это семантическая путаница между похожими навыками. Когда навыки слишком семантически похожи, модель не может надежно различать их. Это предполагает иерархическую организацию, которая давно помогает людям управлять сложными выборами, может аналогично принести пользу системам ИИ. Первоначальные результаты с иерархической маршрутизацией поддерживают эту гипотезу. По мере того как мы создаем все более способных агентов с расширяющимися наборами навыков, понимание этих фундаментальных ограничений становится критически важным. Вы не можете просто продолжать добавлять навыки бесконечно. Существует порог, при котором выбор ломается, и это происходит внезапно, а не постепенно. Статья: Научитесь создавать эффективные ИИ-агенты в нашей академии: