Nén đủ theo Bayes là chưa đủ: Giao tiếp giúp ích gì cho các hệ thống multi-agent?

Các hệ thống LLM multi-agent ghép nối một bên gửi có ngữ cảnh rộng với một bên thực thi có góc nhìn cục bộ hạn chế. Nghiên cứu xem xét thời điểm một thông điệp ngắn cải thiện quyết định tiếp theo của bên thực thi, khi nào ngữ cảnh thô được ưu tiên hơn và khi nào một bên gửi mạnh hơn giúp ích. Khung công trình của chúng tôi, phối hợp giới hạn tương đối theo người nhận, diễn tả tiện ích thông điệp bằng mức tăng của người nhận trừ đi thuế giao thức. Nén đánh bại ngữ cảnh thô khi tiết kiệm thuế vượt quá tổn thất từ thông tin bị bỏ sót và sự không khớp của bộ giải mã. Ngay cả việc nén đủ theo Bayes cũng có thể thất bại khi một bên thực thi bị giới hạn không thể sử dụng dạng bề mặt của nó. Việc phân rã ba giai đoạn tách biệt quá trình ngoại hóa, hấp thụ và đóng hành động, giải thích cách các lỗi vẫn tồn tại sau khi nội dung chính xác đến tay người nhận. Theo điều kiện cắt ngang duy nhất, việc nâng cấp bên gửi giúp ích trên ngưỡng gánh nặng của người nhận. Trên sáu benchmark, cùng một giao thức Qwen làm tăng độ chính xác kết hợp trên ContextBench từ 0,633 lên 0,775 nhưng làm giảm ToolSandbox từ 0,889 xuống 0,653. Việc phát lại thông điệp cố định cho thấy các lỗi đóng mặc dù đã khôi phục thành công tạo tác.