Anunciado SwarmEvolve: Enjambres de agentes latentes para el descubrimiento y la optimización evolutiva

Investigación✍ TextoPublicado: Fuente: Hugging Face Papers

#Hugging Face

En breve

SwarmEvolve, un marco de trabajo donde enjambres de agentes de bajo costo razonan en el espacio latente, fue presentado en Hugging Face Papers.

La búsqueda evolutiva guiada por LLM utiliza agentes de IA para mejorar programas para problemas matemáticos y computacionales mediante el refinamiento iterativo de soluciones y la combinación de métodos de alta puntuación. Sin embargo, el proceso suele ser lento porque el LLM genera una larga cadena de pensamiento textual para cada ronda y debe repetir esta generación muchas veces para mantener la diversidad de la población.

SwarmEvolve es un marco de trabajo en el que cientos de agentes de bajo costo por ronda trabajan en enjambres. Cada enjambre estudia el problema desde un ángulo diferente, razonando en el espacio latente sin decodificar a texto y compartiendo información mediante el paso de KV caches. Recibió 8 votos positivos en Hugging Face Daily Papers.

Esta noticia es un resumen. La versión completa y verificable está en la fuente original:

Leer el original en Hugging Face Papers ↗