Hieno artikkeli Metalta. Ja toinen erinomainen moniagenttijärjestelmien sovellus. (kirjanmerkkeihin) Nykyaikaisten tekoälymallien kouluttaminen vaatii valtavia määriä korkealaatuista dataa. Pullonkaula ei kuitenkaan ole pelkästään määrä. Data ei yksinkertaisesti ole tarpeeksi monimuotoista. Yksittäiset mallit, jotka tuottavat synteettistä dataa, tuottavat yleensä homogeenisia tuloksia, toistuvia kuvioita ja puuttuvat ihmisen luomien aineistojen vivahteikkaan monimuotoisuuden. Tämä Metan uusi tutkimus esittelee Matrixin, vertaisviitekehyksen, jossa useat tekoälyagentit tuottavat yhdessä synteettistä koulutusdataa hajautettujen vuorovaikutusten kautta. Matrix saavuttaa 2–15× korkeamman datantuotannon läpimenon identtisillä laitteistoresursseilla tinkimättä ulostulon laadusta. TALLIUM; DR: Sen sijaan, että yksi malli tuottaisi dataa, erikoistuneet agentit näyttelevät erillisiä rooleja ja ovat vuorovaikutuksessa keskenään. Yksi esittää kysymyksiä, toinen vastaa, kolmas arvioi laatua. Nämä monimutkaiset keskustelut vangitsevat monimutkaista päättelyä ja monipuolisia näkökulmia. Mikä tekee Matrixista erilaisen: ei keskitettyä koordinaattoria. Agentit kommunikoivat suoraan täysin hajautetussa arkkitehtuurissa. Tämä mahdollistaa skaalautuvuuden ilman infrastruktuuripullonkauloja. Kehys toimii roolipohjaisten keskusteluprotokollien, monivuoroisten vuorovaikutuskuvioiden ja sisäänrakennettujen laadukkaiden suodatusten avulla jokaisessa vaiheessa. Vain laatuvaatimukset täyttävät tiedot pääsevät lopulliseen koulutusjoukkoon. Moniagenttiyhteistyö tuottaa monipuolisempaa synteettistä dataa kuin yksittäismallimenetelmät. Tuloksena olevat aineistot parantavat alavirran mallien suorituskykyä päättely- ja ohjeiden seuraamisen vertailuarvoissa.