進化的な発見と最適化のための潜在エージェント群「SwarmEvolve」を発表
要点
Hugging Face Papersに、低コストなエージェント群が潜在空間で推論を行うフレームワーク「SwarmEvolve」が掲載された。
LLMによる進化的な探索は、数学的および計算的な問題に対してプログラムを改善するためにAIエージェントを使用するが、LLMが各ラウンドで長い思考の連鎖をテキストとして生成し、多様性を維持するために何度も生成を繰り返す必要があるため、プロセスが遅くなることが多い。
SwarmEvolveは、1ラウンドあたり数百の低コストなエージェントが群れ(swarm)として機能するフレームワークである。各群れは異なる角度から問題を研究し、テキストにデコードすることなく潜在空間で推論を行い、KVキャッシュを渡すことで情報を共有する。この論文はHugging Face Daily Papersで8つのアップボートを獲得した。
この記事は要約です。正確で完全な内容は元の記事をご確認ください。
元の記事を読む: Hugging Face Papers ↗