Automatización de correcciones de errores con clústeres de agentes multi-LLM: más barato de lo que piensas

Esta publicación detalla un nuevo enfoque para la corrección automatizada de errores utilizando varios modelos de lenguaje grandes (LLM). Al integrar Asana, el agente de codificación Aider y un agente Sublayer, el sistema activa automáticamente tres LLM (GPT-4o, Claude 3.5 Sonnet y Gemini 2.0 Flash) para intentar corregir el mismo error. Cada intento se ejecuta en una rama Git separada, lo que resulta en varias solicitudes de extracción. Este enfoque de 'inferencia derrochadora' resulta sorprendentemente barato y eficiente, ofreciendo redundancia y soluciones diversas. Incluso si un modelo falla, otros pueden tener éxito, proporcionando enfoques alternativos. Este experimento muestra el potencial de esta corrección de errores automatizada, multimodelo y de bajo costo, sugiriendo un cambio de paradigma en el desarrollo futuro.