Google a introduit le cadre Chain-of-Agents (CoA), visant à améliorer le traitement des tâches à long contexte en intelligence artificielle. Ce nouveau cadre répond à une limitation significative des grands modèles de langage (LLM) en utilisant un modèle de collaboration multi-agents.
CoA divise les longues entrées en morceaux plus petits et gérables, les assignant à des agents spécialisés. Cette approche améliore l'efficacité et la précision du raisonnement dans des tâches telles que la synthèse, la réponse à des questions et la complétion de code, surpassant les méthodes traditionnelles comme la génération augmentée par récupération (RAG) et les modèles à contexte complet.
Le cadre fonctionne en deux étapes : les agents de travail traitent les morceaux d'entrée assignés, tandis qu'un agent manager synthétise les résultats en une sortie finale cohérente. Cette méthode imite la résolution de problèmes humaine, garantissant qu'aucun contexte n'est perdu et améliorant ainsi la précision globale.
Dans des tests approfondis sur neuf ensembles de données, CoA a systématiquement dépassé RAG et les modèles à contexte complet en termes de précision et d'efficacité. Par exemple, il a excellé dans des tâches de raisonnement multi-sauts sur l'ensemble de données HotpotQA, atteignant jusqu'à 10 % d'amélioration par rapport aux modèles de référence.
Les applications de CoA s'étendent à divers secteurs, y compris l'analyse juridique, les soins de santé et le développement de logiciels. Sa capacité à traiter de grands ensembles de données et à synthétiser des informations en fait un outil précieux pour les professionnels ayant besoin d'informations complètes.
Le cadre CoA de Google reflète une tendance croissante vers des systèmes d'IA collaboratifs, soulignant l'importance de solutions modulaires dans l'avancement des capacités de l'IA.