Một tác nhân đơn lẻ có kỹ năng có thể thay thế các hệ thống đa tác nhân không? Các hệ thống đa tác nhân hoạt động tốt cho lý luận phức tạp, nơi các tác nhân chuyên biệt hợp tác thông qua giao tiếp rõ ràng. Nhưng điều này gây ra chi phí tính toán đáng kể về token và độ trễ. Nghiên cứu mới này khám phá xem liệu bạn có thể biên dịch một hệ thống đa tác nhân thành một hệ thống tác nhân đơn lẻ tương đương bằng cách trao đổi giao tiếp giữa các tác nhân để chọn lựa kỹ năng hay không. Câu trả lời: có, nhưng với một điều kiện. Các thí nghiệm sơ bộ cho thấy các phương pháp tác nhân đơn lẻ với thư viện kỹ năng có thể giảm đáng kể việc sử dụng token và độ trễ trong khi vẫn duy trì độ chính xác cạnh tranh trên các tiêu chuẩn lý luận. Cho đến nay, mọi thứ đều tốt. Nhưng đây là nơi nó trở nên thú vị. Các nhà nghiên cứu đã hỏi: Cách chọn lựa kỹ năng có quy mô như thế nào khi các thư viện phát triển? Dựa trên khoa học nhận thức, họ đề xuất rằng việc chọn lựa kỹ năng của LLM thể hiện khả năng giới hạn tương tự như quyết định của con người. Và họ đã phát hiện ra một mẫu thú vị. Thay vì giảm dần, độ chính xác của việc chọn lựa vẫn ổn định cho đến một kích thước thư viện quan trọng, sau đó giảm mạnh. Nhưng nó giống như một chuyển tiếp pha, không phải là một sự suy giảm mượt mà. Điều này phản ánh các giới hạn khả năng được quan sát trong nhận thức của con người. Thủ phạm không chỉ là kích thước thư viện. Đó là sự nhầm lẫn ngữ nghĩa giữa các kỹ năng tương tự. Khi các kỹ năng quá giống nhau về ngữ nghĩa, mô hình không thể phân biệt đáng tin cậy giữa chúng. Điều này gợi ý rằng tổ chức theo cấp bậc, điều đã giúp con người quản lý các lựa chọn phức tạp từ lâu, có thể cũng mang lại lợi ích cho các hệ thống AI. Các kết quả ban đầu với định tuyến theo cấp bậc hỗ trợ giả thuyết này. Khi chúng ta xây dựng các tác nhân ngày càng có khả năng với các bộ kỹ năng mở rộng, việc hiểu những giới hạn cơ bản này trở nên quan trọng. Bạn không thể chỉ tiếp tục thêm kỹ năng vô hạn. Có một ngưỡng mà việc chọn lựa bị phá vỡ, và điều đó xảy ra đột ngột, không từ từ. Bài báo: Học cách xây dựng các tác nhân AI hiệu quả trong học viện của chúng tôi: