Onderzoekers stellen MUFFIN voor, een systeem waarmee AI-agenten asynchroon kunnen werken door tussentijdse bevindingen in een gedeelde geheugenbuffer te plaatsen, terwijl het privéredeneren van elke agent lokaal blijft. Een orkestrator verdeelt de vragen en stuurt moeilijkere vragen naar meerdere agenten.
Volgens de auteurs behaalde MUFFIN in 17 van de 20 benchmarkscenario’s de hoogste nauwkeurigheid. Vergeleken met debat tussen meerdere agenten melden ze een winst van 19,2 procentpunt in nauwkeurigheid, met 77,4% minder tokens. In de samenvatting worden de benchmarks niet genoemd en onafhankelijke validatie ontbreekt, waardoor onduidelijk is hoe breed de resultaten relevant zijn.
Waarom het ertoe doet
Voor teams die AI-systemen met meerdere agenten bouwen, wijst MUFFIN erop dat agenten bruikbare bevindingen met minder tokens kunnen uitwisselen. De samenvatting noemt de tests echter niet en laat niet zien hoe goed de aanpak daarbuiten werkt.
