Фреймворк Consilience улучшил координацию мультиагентных LLM-систем
Мультиагентные системы на основе больших языковых моделей могут улучшать рассуждения за счёт объединения разнообразных точек зрения. Однако их эффективность напрямую зависит от координации коммуникации, особенно в сценариях со скрытым профилем, когда каждый агент владеет лишь частью информации, необходимой для принятия верного решения.
Существующие протоколы — фиксированные расписания, циклический обмен или неструктурированные дебаты — не дают гарантий, что то или иное действие в диалоге уместно. Это ограничивает применение мультиагентных систем в задачах, где важна достоверность результата.
Новый фреймворк Consilience решает эту проблему на этапе логического вывода. На каждом витке обсуждения он формирует компактное состояние диалога, отражающее неопределённость, разногласия, прирост доказательств, избыточность и преждевременный консенсус. Затем система выбирает коммуникативное вмешательство — запрос, уточнение, поиск фактов или перенаправление — и подходящего говорящего.
Ключевая особенность Consilience — процедура конформной калибровки, которая даёт распределение-свободную гарантию для конечной выборки. На каждом раунде условная сожаление от предложенного действия ограничивается калиброванным порогом с вероятностью не менее 1??. Механизм приёмки заменяет неприемлемые предложения, обеспечивая ту же гарантию для фактически выполненного действия.
Разработчики протестировали фреймворк на задачах скрытого профиля в стиле HiddenBench, охватывающих 12 открытых и закрытых языковых моделей. Consilience повысил точность решений и эффективность коммуникации по сравнению с фиксированными и неструктурированными протоколами обсуждения. В ряде случаев система даже превзошла базовый сценарий с полной информацией, когда каждый агент видит все доказательства.
Этот результат показывает, что сертифицированное адаптивное управление коммуникацией может быть ценнее простого увеличения доступной информации. Consilience предлагает практический механизм для надёжной координации мультиагентных LLM-систем в условиях распределённых приватных данных.
