ARC: Configurazione dinamica degli agenti per sistemi LLM

Un nuovo approccio gerarchico chiamato ARC (Agentic Resource & Configuration learner) è stato sviluppato dai ricercatori per migliorare i sistemi basati su LLM, selezionando configurazioni di agenti adatte a query specifiche. Questa innovazione supera i limiti dei template statici e delle euristiche regolate manualmente che utilizzano la stessa configurazione indipendentemente dalla complessità della query. ARC tratta la configurazione dell'agente come un processo decisionale semi-markoviano (SMDP), con ogni configurazione che funge da opzione temporalmente estesa. Rispetto agli LLM potenziati con strumenti a budget corrispondente, ARC mostra miglioramenti significativi nei benchmark di ragionamento, uso di strumenti e agentività, aumentando l'accuratezza media del ragionamento del 31,3%, incrementando l'accuratezza nell'uso degli strumenti del 13,95% e raggiungendo un tasso di successo doppio in τ-Bench (Airline) Pass^1. Il metodo ottimizza flussi di lavoro, strumenti, budget di token e prompt da un vasto spazio di progettazione combinatoria.