Stanford-studie: Flere AI-agenter er ikke automatisk bedre

Hvis du overvejer at bygge et system med flere AI-agenter, der samarbejder, er det værd at stoppe op et øjeblik. Et nyt studie fra Stanford viser nemlig, at fordelene ved multi-agent-systemer i mange tilfælde bare skyldes, at de bruger mere regnekraft.

Hvad studiet viser

Forskerne testede fire modeller og fem forskellige team-arkitekturer, blandt andet kæder, debatopsætninger og ensembles. Resultatet var ret klart: når en enkelt agent og et agent-team fik det samme compute-budget, klarede solo-agenten sig mindst lige så godt.

Forklaringen er, at overdragelser mellem agenter kan koste information undervejs. Hver gang en agent skal give kontekst videre til den næste, risikerer man at miste nuancer.

Hvornår giver det alligevel mening?

Studiet peger dog på vigtige undtagelser. Ved stærkt forurenet input eller meget lange kontekster kan strukturerede teams klare sig bedre. Debat-arkitekturen var den stærkeste team-opsætning i testen.

Det er også værd at nævne, at studiet dækker tekstbaserede ræsonneringsopgaver og ikke siger noget sikkert om tool use eller billedopgaver.

Den praktiske pointe

Før du investerer tid og penge i et multi-agent-setup, så spørg dig selv: har du faktisk prøvet at give en enkelt agent det samme budget? I mange tilfælde vil du opdage, at det er nok. Gem de avancerede arkitekturer til de situationer, hvor de faktisk gør en forskel.