‏تو گروه ایجنت‌ها کی رهبر می‌شه؟

Agent swarm یعنی گروهی از ایجنت‌های هوش مصنوعی که با هم روی یه کار مشترک کار می‌کنن. تیم Raindrop تو این پست سراغ یه سؤال ساده رفته: وقتی هیچ رهبری تعیین نشده و همه دسترسی یکسان دارن، آیا کسی خودبه‌خود رهبر می‌شه و اگه آره، چی تعیین می‌کنه کی؟

برای جواب، یه فروشگاه آنلاین شبیه‌سازی‌شده با 10 سرویس و چهار قطعی هم‌زمان ساختن و هشت ایجنت از چهار مدل (Claude Sonnet 5.5، GPT-6.1 Sol، Gemini 3.1 Pro و Kimi K3) رو مأمور رفع مشکل کردن. هر ایجنت یه اسم داشت (Ada تا Hana) و اسم‌ها بین مدل‌ها چرخونده می‌شد تا سوگیری پیش نیاد. همه یه کانال مشترک داشتن و هر کدوم فقط یه سرویس رو می‌تونستن بررسی کنن، پس تقسیم کار واقعاً مهم بود.

نکته‌ی جالب روش‌شونه: فقط اینکه کسی دستور بده یا بقیه همون کارو بکنن کافی نبود. تصمیم‌های ایجنت‌ها رو یه بار با پیام دستور و یه بار بدونش دوباره اجرا کردن تا ببینن دستور واقعاً تصمیم رو عوض کرده یا نه. ایجنتی رهبر حساب می‌شد که دستورهاش حداقل روی دو هم‌تیمی اثر واقعی داشته. این آزمایش روی 2160 تیم تکرار شد.

نتیجه‌ی اول اینه که دستور دادن زیاد بود ولی رهبری کم. تو 86 درصد آزمایش‌ها حداقل یه ایجنت برنامه‌ای برای تقسیم کار داد، ولی فقط 105 تیم (حدود 5 درصد) رهبری داشتن که واقعاً رفتار بقیه رو عوض کرد. با این حال هماهنگی بدون رهبر هم جواب داد: کانال مشترک تعداد کارهای تکراری رو از میانگین 4.4 به 0.3 رسوند.

نتیجه‌ی دوم درباره‌ی مدل‌هاست. Claude Sonnet 5.5 و GPT-6.1 Sol حدود 1.7 برابر Gemini 3.1 Pro احتمال رهبر شدن داشتن و Kimi K3 فقط یه بار رهبر شد. ولی بیشترین برنامه‌دهنده لزوماً تأثیرگذارترین نبود: Gemini و Claude بیشترین برنامه رو دادن، اما دستورهای GPT بیشتر از همه اجرا شد. هر چهار مدل تقریباً به یه اندازه از رهبر پیروی می‌کردن.

عجیب‌ترین یافته ترتیب اسم‌هاست. تو system prompt اسم هر هشت نفر به ترتیب Ada تا Hana اومده بود و Ada سه برابر بقیه برنامه می‌داد. وقتی لیست رو برعکس کردن، این بار Hana سه برابر بیشتر برنامه داد. نویسنده‌ها نتیجه می‌گیرن که برای کسی که swarm می‌سازه، حتی جزئیاتی مثل ترتیب اسم‌ها تو پرامپت ارزش توجه داره، چون با ابزار و دسترسی یکسان هم رفتار رو عوض می‌کنه.

نکات کلیدی:

• آزمایش روی 2160 تیم هشت‌نفره از چهار مدل مختلف و بدون رهبر تعیین‌شده انجام شد
• فقط 105 تیم (حدود 5 درصد) رهبری با اثر واقعی روی حداقل دو هم‌تیمی داشتن
• کانال مشترک کارهای تکراری رو از 4.4 به 0.3 در هر آزمایش کم کرد
• Claude Sonnet 5.5 و GPT-6.1 Sol حدود 1.7 برابر Gemini 3.1 Pro رهبر شدن؛ Kimi K3 فقط یه بار
• ایجنتی که اسمش اول لیست پرامپت بود، سه برابر بیشتر برنامه پیشنهاد می‌داد