शोध से पता चलता है कि एआई एजेंट टीमें कम मापने योग्य गुणवत्ता लाभों के लिए विशाल टोकन बर्बाद करती हैं
decoder ·
हाल की शोध से पता चलता है कि AI एजेंट टीमें अक्सर अत्यधिक कंप्यूटेशनल संसाधनों का उपभोग करती हैं, जबकि आउटपुट गुणवत्ता में नगण्य सुधार होती है। Vals AI ने Vibe Code Bench पर GPT-6 Sol और Claude Opus 5.5 का मूल्यांकन किया, जिसमें पाया गया कि मल्टी-एजेंट सेटअप एकल एजेंटों की तुलना में 1.8x से 5.1x अधिक खर्च करते हैं, लेकिन प्रदर्शन में न्यूनतम लाभ मिलता है। केवल एक तुलना में सांख्यिकीय रूप से महत्वपूर्ण सुधार दिखा, जिससे संकेत मिलता है कि बढ़ी हुई लागत दुर्लभ ही justified (युक्तियुक्त) होती है। Anthropic द्वारा किए गए आंतरिक परीक्षणों ने further दिखाया कि टोकन उपयोग में वृद्धि के बावजूद दस एजेंटों से सौ एजेंटों तक स्केल करने से केवल हल्का स्कोर वृद्धि हुई। OpenAI के शोधकर्ता Noam Brown ने पुष्टि की कि मल्टी-एजेंट सिस्टम मुख्य रूप से कार्य पूरा होने की गति बढ़ाते हैं, गुणवत्ता को नहीं, और नोट किया कि समानांतरकरण के लाभ कार्य प्रकार के आधार पर काफी भिन्न होते हैं। विशेषज्ञ बड़े एजेंट झुंडों का उपयोग करने से चेतावनी देते हैं, सहयोग विफलताओं और उच्च लागत के कारण इसे अधिकांश अनुप्रयोगों के लिए व्यर्थ निवेश बताते हैं।
decoder