Когда быстрые решения не становятся лучшими агентами: эмпирическое исследование Jev в агентских потоках

arXiv: 261 010.13092v 1 Annuales Type: New Humber Abstract: AI-агенты зависят от неоднократных решений по выполнению задач, при этом крупные языковые модели (LMS) обычно выступают в качестве их основных директивных органов. Недавняя появление Йева дает возможность принимать эти решения быстрее и с меньшими затратами. Вместе с тем остается неясным, может ли такая экономия средств на местном уровне привести к эффективному и надежному выполнению задач. В настоящем документе мы изучаем эту передачу эффективности между пятью агентами в двух репрезентативных параметрах приложения, воплощающих задачи в ALFWorld и мобильном приложении в AndroidWorld. В ходе 4500 целевых казней мы совместно оцениваем эффективность выполнения задач, использование ресурсов на уровне принятия решений и задач, а также поведение при исполнении. Экспериментальные результаты свидетельствуют о том, что интеграция Jev значительно снижает затраты на принятие решений и запоздалость по всем пяти агентам, причем выгоды от выполнения задач варьируются в зависимости от рабочих процессов. Успех выполнения задач по-прежнему близок к базовым уровням на ALFWorld и более существенно снижается в случае двух мобильных агентов.