Multi-agente baseado em LLM (LLM-MA) Os aplicativos permitem que muitos modelos de idiomas trabalhem com atividades complexas, distinguindo obrigações. Esses programas são usados em robô, finanças e códigos, mas lida com desafios para se comunicar e analisar. Resultados dos resultados das escrituras em uma troca longa e aleatória, dificultando a rastreamento de tarefas, mantendo a forma e lembrando as parcerias anteriores. Métodos de reflexões, como questões e questões baseados na agricultura controversa, pois informações importantes podem ser ignoradas ou divididas devido ao processamento de pedidos. Esses problemas limitam a eficiência do companheiro de LLM em lidar com vários problemas de etapas.
Atualmente, uso de sistemas multi-agentes baseado em LLM contradizerAssim, Auto-avaliação, incluindo Resposta de Multi-Agent para lidar com atividades complicadas. Essas estratégias não são organizadas e é difícil de controlar com base na comunicação baseada em texto. Os agentes se esforçam para seguir as subtarefas, lembre -se de parcerias anteriores e fornecem respostas consistentes. Várias instalações de comunicação, incluindo modelos de cadeia e árvore, tentam melhorar a eficiência, mas não possuem princípios regulatórios claros. As estratégias de pesquisa tentam aumentar a precisão, mas têm um desafio desafiador ou oponente, faça um exame infiel. Sem comunicação formal e feedback em grande parte, esses sistemas ainda são empregados e tendem a erros.
Reduzindo esses problemas, pesquisadores de Sony Group Corporation, Japão, diminuído TalkhierA estrutura que promove a comunicação com muitos programas de agentes usa protocolos organizados e análise hierárquica. Ao contrário dos métodos comuns, o Talkier descreve claramente agentes e criação de empregos, o que reduz o erro e a eficiência. Os agentes usam funções formais e a medição é preparada automaticamente em vários problemas através do programa, resultando em decisões e comunicação aprimoradas.
Esse medier do sistema é grapina na grapina em gráficos, como o nó cada agente, e as bordas representam métodos de comunicação. Os agentes têm memórias independentes, permitindo que eles mantenham informações apropriadas e tomem decisões com base em isolamento informado sem usar a memória compartilhada. Comunicação Após um processo sistemático: as mensagens contêm conteúdo, detalhes em segundo plano e o centro de efeitos. Os agentes são organizados em grupos e administração que veem o processo, e o subconjunto de agências serve como membros e diretores, o que leva ao ninho. O trabalho é alocado, testado e é composto pela série de iterações até cancelar o limite de qualidade, com precisão e redução de erros.

No teste, os pesquisadores foram testados Talkhier a todos os muitos bancos para analisar seu desempenho. Ocupação Mmlu Deto, Cobertura da Consciência, Física da Faculdade, Alfabetização de Máquinas, Mente Organizacional e Política Externa dos EUA, Palkerhier, embutido GPT-4Oalcançou a maior precisão de 88,38%AGENTERER PASSADO (83,66%) e os fundamentos de um agente são os mesmos Responder–7 @ (67,19%) incluindo GPT-4O-7 @ (71,15%)indicando os benefícios da análise de soberania. No conjunto de dados do Wikqa, as fundações de saída em Serturges de domínio aberto responderam ROUGE-1 Pontuação de 0,3461 (+ 5,32%) bem como um Bertscore de 0,6079 (+ 3,30%), instável AutoGPPP (0,3286 Rouge-1, 0,5885 BertScore). O estudo dos resíduos revelou que a remoção do gerente de avaliação ou uma comunicação sistemática é reduzida em precisão, garantindo sua importância. Talkier Apeded OKG por 17,63% Confiável, atratividade, atratividade e violação do caráter do caráter nos dados adjetivos da DA, e a análise humana confirma suas avaliações multi-boca. Lá Opelai-O1's A construção interna não foi apresentada, Palkerhier publicou notas da competição e decidiu decididamente em Wikqa, indicando flutuações entre atividades e mais governança de muitos eleitores e sistemas abertos.


Finalmente, a estrutura proposta melhora a comunicação, o pensamento e a comunicação dentro Sistemas LLM Sistemas Multi-Agentes Combinando um protocolo formal com análise hierárquica, resultando em melhor desempenho de vários Basards. Inclui mensagens, efeitos centrais e efeitos -chave estabelecidos nas comunicações formais sem comprometer a resposta do agente hectcentces. Ou subir Guerra Custo, Talkhier Configure uma nova referência com Scalobles, propósito de vários alenos. Essa abordagem pode funcionar como base para a pesquisa anterior, direcionando o desenvolvimento de métodos práticos de comunicação e as partições mais caras do ALENT, no final Llm-E instalado para parceiros instalados.
Enquete Página e papel do github. Todo o crédito deste estudo é pesquisado para este projeto. Além disso, fique à vontade para segui -lo Sane E não se esqueça de se juntar ao nosso 75k + ml subreddit.
🚨 Pesquisa recomendada recomendada para nexo

Divyesh é um contato no MarkteachPost. Perseguindo a BTECH para engenheiros agrícolas e alimentares no Instituto Indiano de Tecnologia, Kharagpur. Ele é um amante científico científico e típico que deseja combinar essa tecnologia líder no histórico agrícola e resolver desafios.
