Проблема централизации в Agentic AI
Существующие системы агентного мышления (agentic reasoning) опираются на централизованные протоколы. Такая архитектура создает узкие места при маршрутизации запросов и использует статическое распределение ролей. В результате системы часто терпят неудачу при обработке сложных мультимодальных запросов, где требуется гибкая адаптация к контексту.
Решение: DeAR (Decentralized Agentic Reasoning)
Команда авторов во главе с Син Вэй (Xing Wei) предложила фреймворк DeAR, который смещает фокус с центрального контроля на автономное взаимодействие «равный-равному» (peer-to-peer). Архитектура DeAR базируется на трех ключевых механизмах:
- Децентрализованное заземление возможностей (Capability Grounding): Специализация агентов зависит от конкретного запроса, а не задается жестко заранее.
- Навигация по карте мыслей (Thought Map Navigation): Агенты выбирают целевых партнеров для взаимодействия на основе текущего состояния решения задачи.
- Обновление топологии (Topology Update): Адаптивная коррекция ошибок через изменение структуры связей между агентами в реальном времени.
Результаты тестирования
Оценка DeAR проводилась на 9 разнообразных бенчмарках, включающих мультимодальное рассуждение и текстовые вопросы (QA). Результаты показывают, что децентрализованный и адаптивный подход стабильно превосходит недавние базовые методы, особенно в задачах, требующих глубокого знания.
| Ключевая характеристика | Централизованные системы (Baseline) | DeAR (Предлагаемый метод) |
|---|---|---|
| Архитектура | Центральный маршрутизатор | Децентрализованная P2P-сеть |
| Распределение ролей | Статическое | Динамическое (зависит от запроса) |
| Масштабируемость | Ограничена узким местом маршрутизации | Высокая (адаптивная топология) |
| Точность (Multimodal QA) | Базовый уровень | Превосходит базовые методы |
Значение для индустрии
Работа подтверждает гипотезу о том, что отказ от жесткой иерархии в пользу самоорганизующихся сетей агентов повышает надежность сложных AI-систем. Исходный код фреймворка будет опубликован после рецензирования статьи.
Источник: arXiv cs.AI ↗