AgentPSO: Ottimizzazione a Sciame di Particelle Multi-Agente per l'Evoluzione delle Capacità di Ragionamento dei LLM

Un nuovo framework chiamato AgentPSO, ispirato all'ottimizzazione a sciame di particelle, mira a far evolvere le capacità di ragionamento multi-agente nei grandi modelli linguistici. A differenza dei metodi esistenti che si basano su agenti statici e dibattiti o aggregazioni in fase di inferenza, AgentPSO tratta ogni agente come un ragionatore simile a una particella, con uno stato di abilità in linguaggio naturale e una direzione di aggiornamento semantica. Attraverso un addestramento iterativo, gli agenti aggiornano le proprie abilità combinando la velocità precedente, l'abilità personale migliore e l'abilità globale migliore, migliorando le prestazioni di ragionamento sia individuali che collettive. L'approccio affronta le vulnerabilità all'influenza errata dei pari e al consenso distorto, consentendo agli agenti di evolversi tra compiti diversi. L'articolo è pubblicato su arXiv con identificativo 2605.08704.