Uno-Orchestra: sistema AI ottimizza la delega di compiti multi-agente

Una nuova politica di orchestrazione chiamata Uno-Orchestra è stata sviluppata dai ricercatori per sistemi multi-agente che utilizzano modelli linguistici di grandi dimensioni (LLM). Questo approccio innovativo scompone selettivamente i compiti e assegna sotto-compiti a coppie (modello, primitiva) adatte. A differenza delle tecniche di orchestrazione rigide convenzionali, Uno-Orchestra utilizza l'apprendimento per rinforzo basato su traiettorie curate che riflettono le interazioni reali dei lavoratori, ottimizzando simultaneamente la profondità di scomposizione, la selezione dei lavoratori e il budget di inferenza. Valutato rispetto a 22 metodi di base su 13 benchmark—tra cui matematica, codice, conoscenza, contesto lungo e uso di strumenti agentivi—Uno-Orchestra ha raggiunto un punteggio macro pass@1 del 77,0%, superando il miglior flusso di lavoro di base di circa il 16% mantenendo un costo per query significativamente inferiore. Ciò rappresenta un progresso significativo nell'equilibrio tra accuratezza ed efficienza della delega selettiva nei sistemi multi-agente.