چارچوبی برای کمک‌گرفتن هدفمند میان عامل‌های هوش مصنوعی

عامل‌های موازیِ مبتنی بر مدل‌های زبانی بزرگ می‌توانند با بررسی مسیرهای مختلف، کارهای پیچیده را پیش ببرند؛ اما یافته‌های مفیدشان اغلب در سابقهٔ اجرای هر عامل جداگانه باقی می‌ماند. روش‌های رایج اشتراک‌گذاری اطلاعات هم ممکن است پیش از روشن‌شدن نیاز دیگر عامل‌ها، اطلاعات را انتخاب یا خلاصه کنند و جزئیاتی را که بعداً مهم می‌شوند کنار بگذارند.

پژوهشگران در پیش‌چاپ Ask on Demand (AOD) چارچوبی برای درخواست کمک هدفمند معرفی کرده‌اند. پس از تأیید درخواست، AOD شواهد مرتبط را از سابقهٔ اجرای عامل‌های دیگر بازیابی می‌کند، همتای مناسب را برمی‌گزیند و پاسخی متناسب با درخواست می‌سازد. این چارچوب همچنین برای تشخیص اینکه کمک‌گرفتن ارزش دارد یا نه، از یک دروازهٔ سبک استفاده می‌کند که با ادامه‌های جفت‌شدهٔ تیم آموزش داده می‌شود. متن در دسترس از چکیده در همین‌جا ناتمام است و جزئیات بیشتری دربارهٔ روش یا نتایج ارائه نمی‌کند.