ПРОТОКОЛ ДИНАМІЧНОЇ АДАПТАЦІЇ ІНФОРМАЦІЙНОЇ ЩІЛЬНОСТІ ПОВІДОМЛЕНЬ У МУЛЬТИАГЕНТНИХ СИСТЕМАХ НА ОСНОВІ ВЕЛИКИХ МОВНИХ МОДЕЛЕЙ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2026.01.088Ключові слова:
мультиагентні системи, великі мовні моделі, адаптивне стиснення, міжагентна комунікація, управління навантаженням контекстуАнотація
Зростання складності задач, що розв'язуються мультиагентними системами на основі великих мовних моделей, висуває підвищені вимоги до ефективності міжагентної комунікації. Існуючі підходи до стиснення контексту не враховують поточний стан агента-отримувача, що призводить до деградації якості виходів, зростання затримки та квадратичного збільшення токен-трафіку при масштабуванні системи. Ця робота пропонує протокол адаптивної міжагентної комунікації Receiver-Load-Aware Compression Protocol (RLACP), в якому рівень стиснення повідомлень динамічно визначається поточним когнітивним навантаженням агента-отримувача, що формалізується як композитна метрика з чотирьох компонентів: кількості активних задач, семантичної невизначеності виходів, затримки відповіді та рівня заповненості контексту. Залежно від значення цієї метрики агент-компресор застосовує один із чотирьох режимів стиснення — від збереження повного тексту до повної відмови від природної мови на користь структурованих пар ключ-значення.
Посилання
Liu N. F. et al. Lost in the Middle: How Language Models Use Long Contexts. URL: https://arxiv.org/abs/2307.03172
Jiang H. et al. LLMLingua: Compressing Prompts for Accelerated Inference of Large Language Models. URL: https://arxiv.org/abs/2310.05736
Chevalier A. et al. Adapting Language Models to Compress Contexts. URL: https://arxiv.org/abs/2305.14788
Filippova, K., & Strube, M. (2008). Dependency Tree Based Sentence Compression. Proceedings of the Fifth International Natural Language Generation Conference (INLG'08), pp. 25–32. Association for Computational Linguistics. URL: https://aclanthology.org/W08-1105/
Radev, D., Jing, H., Stys, M., & Tam, D. (2004). Centroid-Based Summarization of Multiple Documents: Sentence Extraction, Utility-Based Evaluation, and User Studies. Proceedings of the NAACL Workshop on Automatic Summarization.
URL: https://dl.acm.org/doi/10.3115/1117575.1117578
LLM-TKIE: Large Language Model Driven Transferable Key Information Extraction Mechanism. (2025). Scientific Reports. URL: https://www.nature.com/articles/s41598-025-15627-z
