एजेंट्स के बीच अधिक संचार पथ जोड़ने से मल्टी-एजेंट प्रदर्शन नेचरली बेहतर नहीं होता। 50 रन्स के एक नियंत्रित, पुनर्माननीय प्रयोग से पता चला कि रिकवरी 20% से 100% रिश्ते घनत्व के स्तर पर उल्लेखनीय रूप से स्थिर रही। हालाँकि, जैसे-जैसे नेटवर्क घना होता गया, ऐसे किनारों का अनुपात जो वास्तव में उपयोग किए जाते हैं, तेज़ी से गिर गया—जो कॉन्फ़िगर्ड कनेक्टिविटी और बर्तावात्मक कनेक्टिविटी के बीच एक अंतर प्रकट करता है।
लेखक ने रिशते के घनत्व को अस्वीकृत वेरिएबल्स से अलग करने के लिए एक नियंत्रित प्रयोग बनाया है, जिसमें लाइव मॉडल कॉल्स के बजाय एक पूरी तरह से निर्धारित एजेंट नीति का उपयोग किया गया है। पायलट्स के अनुसार, अधिक संचार पथ अनुसार बेहतर प्रदर्शन का अर्थ नहीं है। असली इंजीनियरिंग प्रश्न यह नहीं है कि कितने कनेक्शन मौजूद हैं, बल्कि यह है कि कितने वास्तव में जानकारी ले जाते हैं।
यह प्रयोग आठ एजेंट्स की एक निश्चित संख्या का उपयोग करता है और पाँच घनत्व स्तरों (20%, 40%, 60%, 80%, 100%) का मूल्यांकन करता है, प्रत्येक के साथ दस परीक्षण। सभी डेटा Python 3.12 पर रियल बेंचमार्क रन्स से प्राप्त है, CPU केवल, बिना किसी बाहरी API कॉल के। सिस्टम में छिपे हब या हाथ से ट्यून्ड नियमों के बिना जुड़े Erdős–Rényi यादृच्छिक ग्राफ़ का उपयोग किया गया है।
यह काम उन लोगों को लक्षित करता है जो मल्टी-एजेंट टॉपोलॉजी को सेंसिटिविटी के आधार पर चुनते हैं। पूरा कोड और पूर्वनिर्धारित परीक्षण प्रोटोकॉल GitHub रिपॉजिटरी में उपलब्ध है।
मुख्य इकाइयाँ: कंपनियाँ: Towards Data Science
स्रोत: Towards Data Science · HeadlinesBriefing द्वारा सारांशित