Bemutatta a DeLM-et a Stanford, 50%-kal csökkenti az AI-ügynökök költségeit

A Stanford kutatói bemutattak egy új, decentralizált keretrendszert, a DeLM-et, amely lehetővé teszi az AI-ügynökök közvetlen koordinációját központi vezérlő nélkül. Ez a megközelítés 50%-kal csökkenti a többügynökös feladatok költségeit, miközben elkerüli a hagyományos rendszerek kommunikációs és integrációs szűk keresztmetszeteit — írja a VentureBeat.

A hagyományos rendszerek korlátai

A központosított többügynökös rendszerekben egy főügynök bontja fel a feladatokat, kiosztja azokat, majd összefoglalja az eredményeket, mielőtt újabb utasításokat adna. A Stanford kutatói, Yuzhen Mao és Azalia Mirhoseini szerint ez a módszer rosszul skálázódik, mivel minden egyes leletet vissza kell jelenteni a központi vezérlőnek, amely így kommunikációs és integrációs szűk keresztmetszetté válik.

Kapcsolódó: Holos AI-ügynök

A DeLM működése

A DeLM ezzel szemben párhuzamos ügynökökre, megosztott kontextusra és feladatlistára épül. A megosztott kontextus egy kurált adattár, amely tartalmazza a más ügynökök számára hasznos, ellenőrzött és bizonyítékokon alapuló megállapításokat, valamint dokumentált kudarcokat. Az ügynökök függetlenül tudnak feladatokat felvenni egy feladatlistáról, és közvetlenül írhatnak ellenőrzött frissítéseket a megosztott kontextusba.

Kapcsolódó: kisebb nyílt forráskódú modellek

Teljesítmény a gyakorlatban

A DeLM lehetővé teszi az ügynökök számára, hogy elkerüljék az ismétlődő kutatást, felhasználják egymás felfedezéseit és kudarcait, és a megoldatlan problémákra összpontosítsanak. A keretrendszer különösen hasznos lehet szoftverfejlesztési tesztek során, ahol a modelleknek időt adnak a „gondolkodásra” a jobb érvelés és problémamegoldás érdekében. A SWE-bench Verified teszten a DeLM 10,5%-kal jobban teljesített, mint a legerősebb alapvonal.

Kapcsolódó: nagy nyelvi modellek

Hosszú kontextus és kérdés-válasz rendszerek

A DeLM alkalmas hosszú kontextusú érvelésre és több dokumentumot érintő kérdés-válasz rendszerekre is. Az ügynökök párhuzamosan vizsgálhatnak meg különböző bizonyítvány-halmazokat, miközben fenntartják az összesített bizonyítékok „globális, tömör nézetét”. A LongBench-v2 Multi-Doc QA teszten a DeLM a legmagasabb pontszámot érte el négy modellcsalád — köztük a GPT-5.4, Claude Sonnet, Gemini Flash és DeepSeek-V4-Pro — között.

Kapcsolódó: helyi AI-ügynökök

A DeLM fejlesztését a Stanford kutatói, Yuzzen Mao és Azalia Mirhoseini végezték, a VentureBeat szerint a DeLM a jövőben további fejlesztéseket és alkalmazásokat fog kapni, például a GPT-5.4 modellcsalád integrálását.

Kapcsolódó: személyi asszisztensek