Più Agenti È Tutto Ciò Che Serve
More Agents Is All You Need
February 3, 2024
Autori: Junyou Li, Qin Zhang, Yangbin Yu, Qiang Fu, Deheng Ye
cs.AI
Abstract
Riscontriamo che, semplicemente attraverso un metodo di campionamento e votazione, le prestazioni dei grandi modelli linguistici (LLM) si amplificano con il numero di agenti istanziati. Inoltre, questo metodo è ortogonale rispetto ai metodi complessi esistenti per migliorare ulteriormente i LLM, mentre il grado di miglioramento è correlato alla difficoltà del compito. Abbiamo condotto esperimenti completi su un'ampia gamma di benchmark per LLM per verificare la presenza della nostra scoperta e per studiare le proprietà che possono favorirne l'occorrenza. Il nostro codice è disponibile pubblicamente all'indirizzo: https://anonymous.4open.science/r/more_agent_is_all_you_need.
English
We find that, simply via a sampling-and-voting method, the performance of
large language models (LLMs) scales with the number of agents instantiated.
Also, this method is orthogonal to existing complicated methods to further
enhance LLMs, while the degree of enhancement is correlated to the task
difficulty. We conduct comprehensive experiments on a wide range of LLM
benchmarks to verify the presence of our finding, and to study the properties
that can facilitate its occurrence. Our code is publicly available at:
https://anonymous.4open.science/r/more_agent_is_all_you_need.