Системы на основе многопользовательских языковых моделей (LLM-MA) позволяют нескольким агентам языковой модели сотрудничать для выполнения сложных задач, разделяя обязанности. Эти системы применяются в робототехнике, финансах и программировании, но сталкиваются с трудностями в коммуникации и уточнении задач. Текстовая коммуникация приводит к длинным и неструктурированным обменам, что затрудняет отслеживание задач и запоминание предыдущих взаимодействий.
В настоящее время LLM-MA системы используют дебаты, самореформацию и обратную связь для решения сложных задач. Однако эти методы становятся неструктурированными и трудными для контроля. Агентам сложно следовать подзадачам и предоставлять последовательные ответы. Различные структуры коммуникации пытаются повысить эффективность, но не имеют четких протоколов для структурирования информации.
Чтобы решить эти проблемы, исследователи из Sony Group Corporation предложили TalkHier — структуру, которая улучшает коммуникацию и координацию задач в многопользовательских системах, используя структурированные протоколы и иерархическую реформацию. TalkHier явно описывает взаимодействия агентов и формулировку задач, что снижает количество ошибок и повышает эффективность.
Структура TalkHier организует агентов в граф, где каждый узел — это агент, а ребра представляют пути коммуникации. Агенты обладают независимой памятью, что позволяет им принимать решения на основе актуальной информации. Коммуникация проходит по формальному процессу: сообщения содержат информацию, фоновые данные и промежуточные результаты. Агенты организованы в команды под наблюдением супервизоров, что создает вложенную иерархию.
Исследование TalkHier показало высокую эффективность на нескольких тестах. На наборе данных MMLU TalkHier достиг точности 88.38%, что выше, чем у других систем. На наборе данных WikiQA он также превзошел аналогичные системы в открытом вопросно-ответном формате. Исследование показало, что удаление супервизора или структурированной коммуникации значительно снижает точность, подтверждая их важность.
В итоге, предложенная структура улучшила коммуникацию, рассуждение и координацию в системах LLM-MA, что привело к лучшим результатам на нескольких тестах. Эта методология может служить основой для дальнейших исследований, направленных на улучшение механизмов эффективной коммуникации и взаимодействия многопользовательских систем.
Посмотрите статью и страницу GitHub. Все заслуги за это исследование принадлежат авторам проекта. Также не забудьте подписаться на нас в Twitter и присоединиться к нашему Telegram.
Изучите, как технологии искусственного интеллекта могут преобразовать ваш подход к работе. Найдите процессы, которые можно автоматизировать, и моменты взаимодействия с клиентами, где ИИ может добавить наибольшую ценность. Определите ключевые показатели эффективности, чтобы убедиться, что ваши инвестиции в ИИ положительно влияют на бизнес. Начните с небольшого проекта, соберите данные о его эффективности и постепенно расширяйте использование ИИ в своей работе.
Если вам нужна помощь в управлении ИИ в бизнесе, свяжитесь с нами по адресу hello@itinai.ru.
Посмотрите практический пример решения на основе ИИ: продажный бот, предназначенный для автоматизации взаимодействий с клиентами круглосуточно и управления взаимодействиями на всех этапах пути клиента.
