Mehrschrittige Kontextlogik: Wie Multi-Agenten Mid-Scale-Modelle revolutionieren
In einer neuen Untersuchung von arXiv wird gezeigt, wie Multi-Hop‑Kontextlogik in mittelgroßen Sprachmodellen funktioniert. Die Studie demonstriert klar den Unterschied zwischen regelbasierten Suchmethoden und KI‑gestützten Multi‑Agenten: Während regelbasierte Mustererkennung bei strukturierten Informationsabrufen 100 % erreichen, liegt ihre Erfolgsquote bei Aufgaben, die über mehrere Dokumente hinweg verknüpft werden, lediglich bei 6,7 %. Im Gegensatz dazu erzielen Multi‑Agenten-Systeme bis zu 80 % bei genau diesen komplexen Aufgaben.
