Des chercheurs proposent MUFFIN, un système qui permet à des agents IA de travailler de manière asynchrone en déposant leurs découvertes intermédiaires dans une mémoire partagée, tout en gardant le raisonnement privé de chaque agent en local. Un orchestrateur répartit les questions et confie les plus difficiles à plusieurs agents.
Les auteurs indiquent que MUFFIN a obtenu la meilleure précision dans 17 des 20 configurations de test. Par rapport au débat entre agents, ils font état d’un gain de 19,2 points de précision, avec 77,4 % de tokens en moins. Le résumé ne précise pas quels tests ont été utilisés et ne fournit aucune validation indépendante : la portée générale des résultats reste donc incertaine.
Pourquoi c'est important
Pour les équipes qui développent des systèmes d’IA multi-agents, MUFFIN laisse penser que les agents peuvent échanger des découvertes utiles en utilisant moins de tokens. Mais le résumé ne précise pas quels tests ont été réalisés et ne permet pas d’établir dans quelle mesure l’approche fonctionne au-delà de ceux-ci.
