Live AI Wire

LLM Agent ล้มเหลวแม่นแผน ปัญหา epistemic miscalibration ใน multi-agent systems

นักวิจัยสรุปปัญหาใหญ่ของ LLM-based agents: แม้แผนถูกต้องและดำเนินการสำเร็จ agents ยังล้มเหลวได้เพราะประเมินความรู้ผิด (epistemic miscalibration) วิธีแก้ที่โดดเด่นคือสอนให้ agent internalize คำวิจารณ์เอง (ICRL), ใช้ protocol สื่อสารขั้นสำรวจ (ExComm) เพื่อหยุดการแพร่กระจายข้อผิดพลาด และออกแบบทั้ง meta-level และ executor ด้วย end-to-end RL (MetaAgent-X)