🤖 AI
When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models
यह शोध पत्र तर्क देता है कि रूटिंग और वोटिंग जैसे मल्टी-मॉडल एलएलएम (LLM) सिस्टम के प्रदर्शन में होने वाली वृद्धि मौलिक रूप से "को-फेलियर रेट" (वह आवृत्ति जिसमें सभी मॉडल एक साथ विफल हो जाते हैं) द्वारा सीमित है, जो एक ऐसा मीट्रिक है जिसे मानक सहसंबंध माप (correlation measures) नहीं पकड़ पाते हैं और जो अक्सर एक मजबूत क्वेरी-स्तरीय रूटिंग सिग्नल की अनुपस्थिति में, एन्सेम्बल सटीकता को एकल सर्वश्रेष्ठ मॉडल के स्तर तक ही सीमित कर देता है।