I ricercatori propongono MUFFIN, un sistema che consente agli agenti AI di lavorare in modo asincrono pubblicando risultati intermedi in una memoria condivisa, mentre ciascun agente mantiene privato il proprio ragionamento. Un orchestratore smista le domande e assegna quelle più complesse a più agenti.
Gli autori riferiscono che MUFFIN ha ottenuto la maggiore accuratezza in 17 dei 20 scenari di valutazione. Rispetto al dibattito tra più agenti, riportano un aumento dell’accuratezza di 19,2 punti e un consumo di token inferiore del 77,4%. L’abstract non indica i benchmark né fornisce una convalida indipendente, perciò la rilevanza più ampia dei risultati non è chiara.
Perché conta
Per i team che sviluppano sistemi di AI con più agenti, MUFFIN suggerisce che gli agenti potrebbero scambiarsi risultati utili consumando meno token. Tuttavia, l’abstract non specifica i test né dimostra quanto bene il metodo funzioni al di fuori di essi.
