בעולם של מערכות AI מתקדמות, שיתוף הפעולה בין סוכנים מרובים נשמע כמו חלום: יכולות משופרות דרך אינטראקציה משותפת. אך מחקרים חדשים מגלים מציאות מתסכלת – 'קיר הגדלה': ככל שמספר הסוכנים גדל, הביצועים יורדים והעלויות מזנקות באופן אקספוננציאלי. הסיבה? צוואר בקבוק מידע בתקשורת טקסטואלית, שגורמת לאובדן סמנטי בהמרת תפיסות ומחשבות לשפה טבעית. כדי להתגבר על כך, מציגים החוקרים את L²-VMAS – מסגרת חדשנית שמאפשרת שיתוף פעולה ללא תלות במודל ספציפי, באמצעות זיכרונות סמויים כפולים. (72 מילים)
L²-VMAS פועלת על ידי הפרדה בין תפיסה למחשבה, תוך יצירת זיכרונות סמויים כפולים באופן דינמי. במקום תקשורת טקסט פסיבית, המערכת משתמשת בטריגר פרואקטיבי מבוסס אנטרופיה, שמאפשר גישה יעילה למידע לפי דרישה. כך, הסוכנים יכולים לשתף מידע עשיר ללא אובדן, תוך חיסכון משמעותי במשאבים. לפי המחקר, שפורסם ב-arXiv, הפתרון הזה מנתק את התלות בין מספר סוכנים לביצועים. (85 מילים)
בניסויים נרחבים על בסיס מודלים שונים, גדלים ומבנים רב-סוכנים, L²-VMAS שברה את קיר ההגדלה. הדיוק הממוצע השתפר ב-2.7-5.4%, בעוד שימוש בטוקנים ירד ב-21.3-44.8%. התוצאות מראות קנה מידה מעולה, שמאפשר להגדיל סוכנים מבלי לפגוע בביצועים. הקוד זמין בגיטהאב, מה שמקל על שכפול ומחקר נוסף. (68 מילים)
המשמעות של L²-VMAS עולה בקנה אחד עם מגמות עולמיות במערכות רב-סוכנים ויזואליות (VMAS), שמיועדות למשימות מורכבות כמו ניווט, זיהוי או שיתוף פעולה בסביבות דינמיות. בניגוד לתקשורת טקסט מסורתית, הזיכרונות הסמויים שומרים על עושר מידע, מה שרלוונטי במיוחד לעסקים ישראליים בתחומי הרובוטיקה וה-AI. חברות כמו Mobileye יכולות להרוויח מחיסכון בעלויות עיבוד. (82 מילים)
למנהלי עסקים, L²-VMAS פותחת אפשרויות חדשות: פריסת צוותי סוכנים גדולים יותר ללא עלויות נוספות, שיפור יעילות במערכות אוטונומיות. המחקר מדגיש כיצד טכנולוגיות כאלה יכולות להאיץ חדשנות בישראל, מרכז ה-AI העולמי. האם הגיע הזמן לשלב זיכרונות סמויים בפרויקטים שלכם? קוד פתוח זמין להתנסות מיידית. (62 מילים)