Pesquisadores da Stanford criam DeLM para otimizar agentes de IA
O novo framework DeLM permite a coordenação descentralizada de agentes de IA, reduzindo custos operacionais pela metade e aumentando a eficiência.
Pontos principais
- O DeLM elimina a necessidade de um orquestrador central, permitindo que agentes de IA colaborem diretamente.
- A tecnologia reduziu em 50% os custos operacionais em tarefas de múltiplos agentes.
- Testes no benchmark SWE-bench mostraram um desempenho 10,5% superior aos modelos tradicionais.
- O sistema utiliza resumos compactos e uma fila de tarefas para evitar gargalos de comunicação.
Pesquisadores da Universidade de Stanford desenvolveram o Decentralized Language Model (DeLM), um framework que altera a arquitetura de sistemas de múltiplos agentes de IA. Ao substituir o modelo tradicional de orquestração centralizada por um sistema de conhecimento compartilhado, o DeLM permite que agentes operem de forma paralela, lendo e escrevendo atualizações em um contexto comum. Essa abordagem reduz drasticamente a redundância de exploração, permitindo que os agentes aprendam com as falhas uns dos outros de maneira eficiente.
Além da redução de 50% nos custos operacionais, o framework demonstrou eficácia superior em tarefas complexas de raciocínio e engenharia de software, superando modelos convencionais em 10,5% no benchmark SWE-bench. A inovação é relevante por otimizar a comunicação entre agentes, eliminando gargalos e permitindo a resolução de problemas de longo contexto com maior agilidade e menor consumo de recursos computacionais.
Tópicos relacionados
Comentários
Carregando comentários...