Naukowcy opracowali metodę PACT do optymalizacji komunikacji między agentami AI

Naukowcy z dziedziny sztucznej inteligencji opublikowali nowe badania dotyczące optymalizacji komunikacji między agentami AI w systemach wieloagentowych. Praca zatytułowana „What Should Agents Say? Action-state Communication for Efficient Multi-Agent Systems” autorstwa Chen Huang, Yuhao Wu i Wenxuan Zhang została opublikowana na arXiv i przedstawia innowacyjne podejście do redukcji kosztów obliczeniowych przy zachowaniu wydajności systemów AI.

Głównym problemem, który badacze identyfikują, jest nadmierne zużycie tokenów podczas swobodnej komunikacji między agentami AI w języku naturalnym, co prowadzi do zwiększonych kosztów i obniżonej wydajności całego systemu.

Kluczowe wnioski

• Systemy wieloagentowe oparte na dużych modelach językowych często wykorzystują nieograniczoną komunikację w języku naturalnym, co prowadzi do nadmiernego zużycia tokenów i wzrostu kosztów.
• Autorzy przeanalizowali pięć strategii komunikacji międzyagentowej w dwóch topologiach systemów i odkryli, że żadna stała strategia nie jest uniwersalnie optymalna.
• Skuteczne wiadomości między agentami konsekwentnie zachowują informacje o działaniach potrzebne przez kolejne agenty w systemie.
• Zaproponowana metoda PACT (Protocolized Action-state Communication and Transmission) traktuje komunikację międzyagentową jako problem aktualizacji stanu publicznego.
• PACT osiąga porównywalną lub lepszą wydajność zadań przy znacznie mniejszej liczbie tokenów, co poprawia stosunek wydajności do kosztów.

Protokół PACT — rozwiązanie problemu komunikacji

Badacze opracowali metodę PACT, która przekształca surowe wyniki każdego agenta w kompaktowy rekord stanu działania przed wprowadzeniem go do wspólnej historii systemu. To podejście traktuje komunikację międzyagentową jako problem aktualizacji stanu publicznego, co pozwala na dramatyczną redukcję liczby tokenów bez utraty kluczowych informacji.

Metoda ta działa poprzez projekcję każdego surowego wyniku agenta na strukturyzowany format zawierający tylko najistotniejsze informacje o podjętych działaniach i stanie systemu. Dzięki temu kolejne agenty otrzymują wszystkie niezbędne dane do kontynuowania pracy, ale w znacznie bardziej efektywnej formie.

Wyniki testów w rzeczywistych systemach

Skuteczność PACT została potwierdzona w testach z produkcyjnymi systemami kodowania. W przypadku platformy OpenHands metoda zwiększyła wskaźnik rozwiązywania problemów przy jednoczesnej redukcji zużycia tokenów o 10%. W systemie SWE-agent PACT utrzymał neutralny wskaźnik rozwiązywania przy jednoczesnym zmniejszeniu liczby tokenów wejściowych o połowę.

Te rezultaty pokazują, że optymalizacja komunikacji między agentami może przynieść wymierne korzyści w rzeczywistych zastosowaniach, gdzie koszty obliczeniowe stanowią istotny czynnik ekonomiczny. Badacze udostępnili kod swojego rozwiązania publicznie, co umożliwia szersze testowanie i implementację metody.

Badanie to otwiera nową perspektywę na projektowanie efektywnych systemów wieloagentowych, gdzie komunikacja jest równie ważna jak same możliwości poszczególnych agentów.