Google представил фреймворк Chain-of-Agents (CoA), направленный на улучшение обработки задач с длинными контекстами в искусственном интеллекте. Этот новый фреймворк решает значительное ограничение больших языковых моделей (LLM), используя модель сотрудничества нескольких агентов.
CoA делит длинные входные данные на более мелкие управляемые части, назначая их специализированным агентам. Этот подход повышает эффективность и точность рассуждений в таких задачах, как резюмирование, ответы на вопросы и завершение кода, превосходя традиционные методы, такие как Генерация с Увеличением Извлечения (RAG) и модели полного контекста.
Фреймворк работает в два этапа: рабочие агенты обрабатывают назначенные части входных данных, в то время как управляющий агент синтезирует результаты в единую финальную выходную информацию. Этот метод имитирует человеческое решение проблем, гарантируя, что никакой контекст не потерян, и улучшая общую точность.
В ходе обширных тестов на девяти наборах данных CoA последовательно превосходил RAG и модели полного контекста по точности и эффективности. Например, он отлично справился с задачами многослойного рассуждения на наборе данных HotpotQA, достигнув до 10% улучшения по сравнению с базовыми моделями.
Применения CoA охватывают различные отрасли, включая юридический анализ, здравоохранение и разработку программного обеспечения. Его способность обрабатывать большие наборы данных и синтезировать информацию делает его ценным инструментом для специалистов, нуждающихся в комплексных анализах.
Введение CoA от Google отражает растущую тенденцию к созданию совместных систем ИИ, подчеркивая важность модульных решений в развитии возможностей ИИ.