Destilación de protocolos multi-agente para búsqueda agéntica | Cómo mejorar modelos open-source mediante transferencia de protocolos | Optimización de agentes de búsqueda con modelos de lenguaje abiertos

Abstract

PROBLEMA: Existe una brecha de rendimiento significativa entre los sistemas de búsqueda agéntica basados en modelos propietarios (como GPT-4) y los modelos de código abierto, debido a la complejidad de los protocolos de interacción. SOLUCIÓN: El paper propone una técnica de destilación de protocolos multi-agente que permite a modelos abiertos aprender las estrategias de razonamiento y búsqueda de sistemas superiores. METODOLOGÍA: Se utiliza un marco donde agentes maestros (propietarios) generan trazas de decisión y protocolos de comunicación que son destilados en modelos abiertos mediante aprendizaje supervisado y refinamiento agéntico. RESULTADOS: Los modelos abiertos destilados muestran una reducción drástica en la brecha de distribución, logrando precisiones en búsqueda de información similares a los modelos de pago con menor coste computacional. RELEVANCIA: Crucial para democratizar el acceso a agentes de búsqueda potentes y privados basados en open-source.