Governance di Teoria del Controllo per Conversazioni Multi-Agente LLM

Un articolo arXiv (2608.11207) introduce un framework di governance basato sulla teoria del controllo per supervisionare le interazioni tra vari agenti di modelli linguistici di grandi dimensioni (LLM) con obiettivi contrastanti. Condotta in un contesto simulato di servizi finanziari, la ricerca affronta il problema del collasso conversazionale che si verifica quando due agenti con obiettivi fondamentalmente opposti interagiscono senza una funzione obiettivo comune. La soluzione proposta, denominata Experience Orchestrator (EO), integra tre componenti: un Contextual Bandit (CB) per la selezione dei contenuti basata su analisi web reali, un controller PID per garantire coerenza comportamentale attraverso vincoli di schema dinamici e un tracker di credenze POMDP per mantenere un modello probabilistico degli stati del visitatore. I risultati indicano che questo livello di governance può sostituire efficacemente la funzione obiettivo mancante, evitando il collasso e raggiungendo gli obiettivi specificati. L'articolo è accessibile su arXiv con l'identificatore 2608.11207.