Key points are not available for this paper at this time.
As mais recentes inovações em Modelos de Linguagem Grande (LLMs), por exemplo, ChatDev, catalisaram transformações profundas, especialmente por meio da colaboração entre múltiplos agentes para o desenvolvimento de software. Agentes LLM podem colaborar em equipes como humanos e seguir o modelo em cascata para trabalhar sequencialmente na análise de requisitos, desenvolvimento, revisão, teste e outras fases para realizar a geração autônoma de software. No entanto, para uma equipe de agentes, cada fase em um único processo de desenvolvimento gera apenas um possível resultado. Isso resulta na conclusão de apenas uma cadeia de desenvolvimento, perdendo assim a oportunidade de explorar vários caminhos de decisão potenciais dentro do espaço de solução. Consequentemente, isso pode levar à obtenção de resultados subóptimos. Para enfrentar esse desafio, introduzimos a Colaboração entre Equipes (CTC), uma estrutura de múltiplas equipes escalável que permite que equipes orquestradas proponham conjuntamente várias decisões e comuniquem seus insights em um ambiente de colaboração entre equipes para uma geração de conteúdo superior. Resultados experimentais em desenvolvimento de software revelam um aumento notável na qualidade em comparação com as melhores práticas disponíveis, destacando a eficácia de nossa estrutura. As melhorias significativas na geração de histórias demonstram a promissora capacidade de generalização de nossa estrutura em vários domínios. Antecipamos que nosso trabalho guiará os agentes LLM em direção a um paradigma de colaboração entre equipes e contribuirá para seu crescimento significativo, mas não se limitando ao desenvolvimento de software. O código e os dados estarão disponíveis em https://github.com/OpenBMB/ChatDev.
Du et al. (Qui,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: