Исследование показывает, что в задачах программирования взаимодействие нескольких ИИ-агентов в режиме реального времени значительно превосходит метод «мудрости толпы», где итоговый результат выбирается из множества независимых ответов. Прямая коммуникация между агентами позволяет итеративно исправлять ошибки и уточнять код, что приводит к более высокому качеству финального решения по сравнению с простым голосованием или усреднением результатов.
В ходе экспериментов сравнивались два подхода к агентной разработке. Первый метод опирался на генерацию множества вариантов решения одной задачи с последующим выбором лучшего (Self-Consistency). Второй метод предполагал создание системы, где агенты обмениваются информацией, критикуют решения друг друга и совместно дорабатывают код в рамках единого контекста. Выяснилось, что интерактивный диалог между специализированными моделями позволяет эффективнее преодолевать логические ошибки, которые часто остаются незамеченными при изолированной работе.
Результаты подчеркивают важность архитектуры оркестрации, при которой агенты имеют доступ к общей рабочей среде и могут запрашивать обратную связь в процессе написания кода. Такой подход снижает вероятность галлюцинаций и повышает точность выполнения сложных технических заданий, требующих многошагового планирования и проверки промежуточных результатов.
Ключевые факты
- Прямое взаимодействие агентов в реальном времени показало более высокую точность решения задач по сравнению с независимой генерацией вариантов.
- Метод «мудрости толпы» (выбор лучшего из множества ответов) оказался менее эффективным для сложных задач программирования из-за накопления систематических ошибок.
- Коллаборативный подход позволяет агентам проводить взаимную проверку кода, что значительно сокращает количество багов в итоговом репозитории.
- Исследование подтверждает, что для агентных систем критически важна возможность итеративного общения, а не просто увеличение количества параллельно работающих экземпляров моделей.