# Artikel Terkait Ruang Laten

Terobosan Hebat Kolaborasi AI! Stanford & NVIDIA Bersinergi Hilangkan Ketidakefisienan Komunikasi AI, Kecepatan Penalaran Meningkat 2.4 Kali

Peneliti dari UIUC, Stanford, NVIDIA, dan MIT mengusulkan RecursiveMAS, sistem baru yang memungkinkan beberapa agen AI berkolaborasi tanpa harus berkomunikasi melalui teks. Alih-alih menghasilkan bahasa alami, agen-agen tersebut langsung bertukar representasi vektor dalam "ruang laten", mirip seperti telepati. Metode tradisional menyebabkan "pajak bahasa" di mana setiap agen perlu menerjemahkan pemikiran internal menjadi teks dan sebaliknya, menghabiskan waktu, token, dan kehilangan informasi. RecursiveMAS menghilangkan langkah penerjemahan ini dengan modul RecursiveLink yang ringan, hanya melatih sekitar 0.31% parameter. Hasil pengujian pada berbagai tugas (matematika, kode, dll.) menunjukkan peningkatan akurasi rata-rata 8.3%, kecepatan inferensi hingga 2.4 kali lebih cepat, dan pengurangan konsumsi token hingga 75.6%. Keuntungan ini semakin besar dengan kedalaman rekursi. Sistem ini membuka jalur penskalaan baru untuk sistem multi-agen dengan memperdalam rekursi, bukan hanya menambah jumlah agen. Namun, tantangan seperti verifikasi independen, kompatibilitas model heterogen, dan penurunan kemampuan interpretasi masih perlu diatasi.

marsbit05/21 00:15