Forskarna föreslår MUFFIN, ett system som låter AI-agenter arbeta asynkront genom att lägga upp preliminära resultat i en gemensam minnesbuffert, samtidigt som varje agents privata resonemang stannar lokalt. En samordnare fördelar frågor och skickar svårare frågor till flera agenter.
Författarna uppger att MUFFIN hade högst träffsäkerhet i 17 av 20 testupplägg. Jämfört med debatt mellan flera agenter uppger de en ökning av träffsäkerheten med 19.2 poäng, samtidigt som systemet använde 77.4% färre tokens. Sammanfattningen anger inte vilka tester som användes eller om resultaten har validerats oberoende, så det är oklart hur relevanta de är i ett bredare sammanhang.
Varför det spelar roll
För team som utvecklar AI-system med flera agenter antyder MUFFIN att agenter kan utbyta användbara resultat med färre tokens. Men sammanfattningen anger inte vilka tester som användes eller visar hur väl metoden fungerar utanför dem.
