En 7B-modell med ReAcTree slår en 72B-modell uten. Det er det mest talende tallet fra Electronics and Telecommunications Research Institute (ETRI), som presenterte arkitekturen på AAMAS 2026: den lille modellen når 37 prosent suksess på LoTA-Bench, mens den ti ganger større modellen med vanlig ReAct stopper på 31 prosent.
Problemet ReAcTree angriper kjenner alle som har satt en agent til en lang oppgave: den mister tråden underveis. I stedet for å kjøre stegene i én flat flyt bryter ReAcTree oppgaven i delmål og fordeler dem til underagenter, med en toppagent som holder i helheten. Får systemet «kok potetskiver og legg dem i kjøleskapet», lager det delmålene selv: finn kniv, finn og skjær poteter, varm dem i mikrobølgeovnen, sett dem inn.
To minnesystemer holder det sammen. Episodisk minne lagrer tidligere vellykkede erfaringer og gjenbruker dem i liknende situasjoner. Arbeidsminne deler informasjon om omgivelsene på tvers av alle agentene umiddelbart: oppdager én agent at det står juice i kjøleskapet, vet alle det med én gang.
«ReAcTree dekomponerer komplekse prosedyrer logisk og kan svare fleksibelt selv i usikre omgivelser, gjennom samarbeid mellom agenter.» — Kim Do Hyung, leder for ETRIs forskningsseksjon for sosial robotikk
For deg som bygger agentpipelines er poenget økonomisk like mye som teknisk: struktur i orkestreringen kan erstatte parametere, og dermed inferenskostnad. Tallene er ETRIs egne, målt på én benchmark, så de sier lite om hvordan strukturen holder utenfor husholdningsoppgavene i LoTA-Bench. ETRI oppgir at neste steg er å la agentene spørre mennesker når de står fast, i stedet for å gjette seg videre.