A Sakana AI bemutatja az AB-MCTS algoritmust a modellek együttműködéséhez
A japán Sakana AI laboratórium bemutatta az AB-MCTS-t, egy új algoritmust, amely lehetővé teszi a versengő AI modellek számára, hogy összetett problémákon dolgozzanak együtt, kollektív intelligenciájukat használva olyan feladatok megoldására, amelyek bármelyik egyéni modell számára túl nehezek lennének.
- A rendszer a ChatGPT-t, a Gemini-t és a DeepSeek-et kombinálja adaptív kereséssel, az ARC-AGI-2 rejtvények 30%-át megoldva, szemben a legjobb önálló modellek 23%-os teljesítményével.
- Az AB-MCTS dinamikusan osztja ki a különböző modelleket az erősségeik alapján: egyesek a stratégiát kezelik, míg mások a kódolásban jeleskednek ugyanazon a problémán belül.
- A kutatók felfedezték, hogy a modellek képesek építeni egymás hibáira: az egyik modell kijavítja a másik hibás válaszait a helyes megoldás elérése érdekében.
- A Sakana „TreeQuest” néven tette közzé az alapul szolgáló keretrendszert, amely egy open-source eszköz a fejlesztők számára saját együttműködő AI rendszereik felépítéséhez.
Miért fontos?
A Sakana rendszere jól illeszkedik az AI világának számos trendjéhez – az AI ügynökök rajaitól az „orchestrator” megoldásokig, amelyek egy adott feladatra a legalkalmasabb modellt delegálják. A jövő legnagyobb áttörései közül néhányat talán egy AI-specialistákból álló csapat ér el közösen, nem pedig egyetlen hatalmas modell. ---
Kapcsolódó hírek