Frota de Agentes: Resolução Coordenada de Problemas com Grandes Modelos de Linguagem usando Filtragem de Partículas Genética

Grandes modelos de linguagem (LLMs) evoluíram significativamente, passando de simples geração de saída para raciocínio complexo e do uso independente para incorporação em estruturas mais amplas. Neste artigo, introduzimos a Frota de Agentes (FoA), uma estrutura inovadora que utiliza LLMs como agentes para navegar por buscas dinâmicas em árvore, empregando uma abordagem de filtragem de partículas do tipo genética. A FoA gera uma multitude de agentes, cada um explorando autonomamente, seguida por uma fase de seleção onde o reamostragem baseada em uma função heurística de valor otimiza o equilíbrio entre exploração e explotação. Esse mecanismo permite ramificação dinâmica, adaptando a estratégia de exploração com base nas soluções descobertas. Validamos experimentalmente a FoA usando duas tarefas de referência, "Game of 24" e "Mini-Crosswords". A FoA supera o método Tree-of-Thoughts previamente proposto em termos de eficácia e eficiência: diminui significativamente os custos computacionais (chamando a função de valor com menos frequência) enquanto preserva uma precisão comparável ou até superior.