Menambahkan lebih banyak jalur komunikasi antar-agent tidak selalu meningkatkan kinerja multi-agent. Eksperimen terkontrol dan dapat direproduksi selama 50 run mengungkapkan bahwa pemulihan tetap sangat stabil dari 20% hingga 100% kepadatan hubungan. Namun, seiring jaringan menjadi lebih padat, fraksi tepi yang benar-benar digunakan turun tajam, mengungkapkan celah antara konektivitas yang dikonfigurasi dan konektivitas perilaku.
Penulis membangun eksperimen terkontrol yang mengisolasi kepadatan hubungan dari variabel pembunuh dengan menggunakan kebijakan agen yang sepenuhnya deterministik alih-alih panggilan model langsung. Temuan menunjukkan bahwa lebih banyak jalur komunikasi tidak otomatis berarti kinerja yang lebih baik. Pertanyaan teknik yang sebenarnya bukan berapa banyak koneksi yang ada, tetapi berapa banyak yang benar-benar mengangkut informasi.
Eksperimen ini menggunakan jumlah tetap delapan agen dan mengevaluasi lima tingkat kepadatan (20%, 40%, 60%, 80%, 100%) dengan sepuluh percobaan untuk setiap tingkat. Semua data berasal dari run benchmark nyata di Python 3.12, hanya CPU, tanpa panggilan API eksternal. Sistem menggunakan graf acak Erdős–Rényi yang terhubung tanpa pusat tersembunyi atau aturan yang disesuaikan secara manual.
Karya ini ditujukan bagi mereka yang memilih topologi multi-agent berdasarkan intuisi. Kode lengkap dan protokol pengujian yang telah ditentukan sebelumnya tersedia di repositori GitHub untuk reproduksi yang akurat.
Entitas kunci: Perusahaan: Towards Data Science
Sumber: Towards Data Science · Diringkas oleh HeadlinesBriefing