นักวิจัยพัฒนา 3 วิธีให้ AI agents ปรับตัวได้ดีขึ้น โดยไม่ต้องแก้โค้ด

เอกสารวิจัยใหม่จาก arXiv เสนอวิธีการ 3 แบบให้ระบบ multi-agent LLM ทำงานได้ยืดหยุ่นมากขึ้น: PEAR เปลี่ยนบทบาท agents แบบไดนามิก เพื่อลดอคติจากตำแหน่ง RIZZ ปรับตัวกับสตรีมข้อมูลที่เปลี่ยนแปลง และ Uno-Orchestra เลือกสั่งงาน agents ตามความเหมาะสม ทั้งหมดมุ่งแก้ปัญหา: agents ติดอยู่ในรูปแบบเดิม ไม่ปรับตัวกับสถานการณ์ใหม่ และเสียเวลา inference