Bài báo thú vị từ Meta. Và một ứng dụng xuất sắc khác của hệ thống đa tác nhân. (đánh dấu nó) Để đào tạo các mô hình AI hiện đại, cần một lượng lớn dữ liệu chất lượng cao. Tuy nhiên, nút thắt không chỉ là số lượng. Dữ liệu không đủ đa dạng. Các mô hình đơn lẻ tạo ra dữ liệu tổng hợp có xu hướng sản xuất các đầu ra đồng nhất, lặp lại các mẫu và thiếu sự đa dạng tinh tế mà các tập dữ liệu do con người tạo ra có. Nghiên cứu mới này từ Meta giới thiệu Matrix, một khung làm việc ngang hàng nơi nhiều tác nhân AI hợp tác tạo ra dữ liệu đào tạo tổng hợp thông qua các tương tác phi tập trung. Matrix đạt được thông lượng tạo dữ liệu cao hơn từ 2–15× dưới cùng một tài nguyên phần cứng, mà không làm giảm chất lượng đầu ra. Tóm lại: Thay vì một mô hình sản xuất dữ liệu, các tác nhân chuyên biệt đóng vai trò khác nhau và tương tác với nhau. Một người đặt câu hỏi, một người khác trả lời, một người thứ ba đánh giá chất lượng. Những cuộc trò chuyện nhiều lượt này nắm bắt lý luận phức tạp và các quan điểm đa dạng. Điều gì làm cho Matrix khác biệt: không có điều phối viên trung tâm. Các tác nhân giao tiếp trực tiếp trong một kiến trúc hoàn toàn phi tập trung. Điều này cho phép mở rộng mà không gặp phải nút thắt hạ tầng. Khung làm việc hoạt động thông qua các giao thức trò chuyện dựa trên vai trò, các mẫu tương tác nhiều lượt và bộ lọc chất lượng tích hợp ở mỗi giai đoạn. Chỉ dữ liệu đáp ứng các ngưỡng chất lượng mới được đưa vào tập dữ liệu đào tạo cuối cùng. Sự hợp tác của nhiều tác nhân sản xuất dữ liệu tổng hợp đa dạng hơn so với các phương pháp mô hình đơn. Các tập dữ liệu kết quả cải thiện hiệu suất mô hình hạ nguồn trên các tiêu chuẩn lý luận và theo dõi hướng dẫn.