Pesquisadores propõem o MUFFIN, um sistema que permite que agentes de IA trabalhem de forma assíncrona, publicando descobertas intermediárias em uma memória compartilhada, enquanto o raciocínio privado de cada agente permanece local. Um orquestrador encaminha as perguntas e direciona as mais difíceis a vários agentes.
Os autores afirmam que o MUFFIN alcançou a maior precisão em 17 de 20 cenários de benchmark. Em comparação com o debate entre múltiplos agentes, relatam um ganho de 19,2 pontos de precisão com 77,4% menos tokens. O resumo não identifica os benchmarks nem apresenta validação independente, o que deixa incerta a relevância mais ampla dos resultados.
Por que importa
Para equipes que desenvolvem sistemas de IA com múltiplos agentes, o MUFFIN sugere que os agentes podem trocar descobertas úteis usando menos tokens. Mas o resumo não identifica os testes nem demonstra até que ponto a abordagem funciona além deles.
