ਪੰਜ Gemini 3.5 Flash agents ਨੇ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਮਿਲ ਕੇ ਕੰਮ ਕਰਦੇ ਹੋਏ 30-ਸਵਾਲਾਂ ਦੇ Project Euler ਸੈੱਟ ਦਾ 87% ਹੱਲ ਕੀਤਾ, ਜੋ ਕਿ ਇਕੱਲੇ ਚੱਲ ਰਹੇ ਪੰਜ agents (72%) ਅਤੇ ਦੋਵਾਂ majority-vote baselines (80% solo, 90% collaborative) ਨਾਲੋਂ ਬਿਹਤਰ ਸੀ। ਸਹਿਯੋਗੀ (collaborative) ਰਨ ਨੇ ਔਸਤ ਕਾਰਜਕਾਰੀ ਸਮੇਂ (execution time) ਵਿੱਚ ਵੀ ਚਾਰ ਮਿੰਟ ਦੀ ਕਟੌਤੀ ਕੀਤੀ, ਜੋ ਕਿ ਪ੍ਰਤੀ ਸਮੱਸਿਆ 14 ਮਿੰਟ ਤੋਂ ਘਟ ਕੇ 10 ਮਿੰਟ ਰਹਿ ਗਈ, ਅਤੇ ਜ਼ਿਆਦਾਤਰ ਹੱਲ ਪੰਜ ਮਿੰਟ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਮਿਲ ਗਏ।

ਇਹ ਪ੍ਰਯੋਗ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

AI ਕੋਡਿੰਗ ਸਹਾਇਕ (assistants) ਪਹਿਲਾਂ ਹੀ ਕੋਡ ਦੇ ਟੁਕੜੇ (snippets) ਤਿਆਰ ਕਰਦੇ ਹਨ, ਕੋਡ ਨੂੰ ਡੀਬੱਗ ਕਰਦੇ ਹਨ, ਅਤੇ ਪੂਰੇ ਪ੍ਰੋਗਰਾਮ ਬਣਾਉਂਦੇ ਹਨ। ਖੋਜਕਰਤਾ ਆਮ ਤੌਰ 'ਤੇ ਇੱਕ ਪ੍ਰੋਂਪਟ 'ਤੇ ਇੱਕ ਸਿੰਗਲ ਮਾਡਲ ਦਾ ਟੈਸਟ ਕਰਦੇ ਹਨ ਅਤੇ ਉਸਦੇ ਜਵਾਬ ਨੂੰ ਗ੍ਰੇਡ ਕਰਦੇ ਹਨ। ਇਹ ਟੈਸਟ ਇੱਕ ਵੱਖਰਾ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ: ਕੀ agents ਦਾ ਇੱਕ ਸਮੂਹ, ਜੋ ਕੰਮ ਕਰਦੇ ਸਮੇਂ ਆਪਣੀਆਂ ਖੋਜਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰਦੇ ਹਨ, "wisdom of the crowd" (ਭੀੜ ਦੀ ਸਿਆਣਪ) ਦੇ ਅਪਰੋਚ ਨਾਲੋਂ ਬਿਹਤਰ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਸਕਦਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਸੁਤੰਤਰ ਜਵਾਬਾਂ ਦੀ ਗਿਣਤੀ ਕਰਦਾ ਹੈ?

Project Euler ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਅਲਗੋਰਿਦਮਿਕ ਸੋਚ (algorithmic thinking) ਲਈ ਇੱਕ ਮਿਆਰੀ ਬੈਂਚਮਾਰਕ ਵਜੋਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਇਹ ਗਣਿਤਕ ਅੰਤਰਦ੍ਰਿਸ਼ਟੀ (mathematical insight) ਅਤੇ ਕੁਸ਼ਲ ਕੋਡਿੰਗ ਦਾ ਸੁਮੇਲ ਹਨ, ਜੋ ਉਹਨਾਂ ਨੂੰ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਪ੍ਰੋਗਰਾਮਿੰਗ ਕੰਮਾਂ ਲਈ ਇੱਕ ਵਧੀਆ ਪ੍ਰੌਕਸੀ (proxy) ਬਣਾਉਂਦੇ ਹਨ ਜਿੱਥੇ ਸਹੀ ਹੋਣਾ ਅਤੇ ਤੇਜ਼ੀ ਮਹੱਤਵਪੂਰਨ ਹੁੰਦੀ ਹੈ।

ਟੈਸਟ ਕਿਵੇਂ ਸੈੱਟ ਕੀਤਾ ਗਿਆ ਸੀ

  • Agents: Antigravity ਪਲੇਟਫਾਰਮ ਰਾਹੀਂ ਪਹੁੰਚ ਕੀਤੀਆਂ ਗਈਆਂ Gemini 3.5 Flash ਦੀਆਂ ਪੰਜ ਇੰਸਟੈਂਸਾਂ (instances)।
  • Scenarios:
    1. ਹਰੇਕ agent ਨੇ ਹਰ ਸਮੱਸਿਆ ਨੂੰ ਇਕੱਲੇ ਹੱਲ ਕੀਤਾ ਅਤੇ ਆਪਣਾ ਜਵਾਬ ਦੱਸਿਆ।
    2. ਉਹੀ ਪੰਜ agents ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਸਹਿਯੋਗ ਕਰਦੇ ਹਨ, ਵਿਚਕਾਰਲੇ ਨਤੀਜਿਆਂ ਨੂੰ ਪ੍ਰਸਾਰਿਤ ਕਰਦੇ ਹਨ ਅਤੇ ਇੱਕ ਦੂਜੇ ਦੇ ਕਦਮਾਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦੇ ਹਨ।
    3. ਦੋਵਾਂ ਸੈੱਟਅੱਪਾਂ ਲਈ, ਇੱਕ ਸਧਾਰਨ majority-vote aggregator ਨੇ ਪੰਜ ਸੁਤੰਤਰ ਜਵਾਬਾਂ ਨੂੰ ਜੋੜਿਆ।
  • Metrics: ਸ਼ੁੱਧਤਾ (ਸਹੀ ਜਵਾਬਾਂ ਦਾ ਪ੍ਰਤੀਸ਼ਤ) ਅਤੇ ਰਨ-ਟਾਈਮ (ਪ੍ਰਤੀ ਸਮੱਸਿਆ ਔਸਤ ਸਮਾਂ, ਨਾਲ ਹੀ ਮੁਕੰਮਲ ਹੋਣ ਦੇ ਸਮੇਂ ਦੀ ਵੰਡ)।

ਅੰਕੜੇ ਕੀ ਦੱਸਦੇ ਹਨ

  • Solo accuracy: 72 %
  • Collaborative accuracy: 87 %
  • Solo majority-vote accuracy: 80 %
  • Collaborative majority-vote accuracy: 90 %

Solo agents ਲਈ ਔਸਤ ਰਨ-ਟਾਈਮ 14 ਮਿੰਟ ਤੋਂ ਘਟ ਕੇ ਸਹਿਯੋਗੀ ਸਮੂਹ ਲਈ 10 ਮਿੰਟ ਰਹਿ ਗਿਆ। ਜ਼ਿਆਦਾਤਰ ਸਹਿਯੋਗੀ ਰਨ ਪੰਜ ਮਿੰਟ ਤੋਂ ਵੀ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਖਤਮ ਹੋ ਗਏ, ਜਦੋਂ ਕਿ ਇਕੱਲੇ (solo) ਯਤਨ ਅਕਸਰ 30-ਮਿੰਟ ਦੀ ਟਾਈਮ-ਆਊਟ ਸੀਮਾ ਤੱਕ ਪਹੁੰਚ ਜਾਂਦੇ ਸਨ।

ਮੁੱਖ ਨਿਰੀਖਣ ਜੋ ਇਸ ਅੰਤਰ ਦੀ ਵਿਆਖਿਆ ਕਰਦੇ ਹਨ