DiffMAS: Framework di Addestramento per la Comunicazione Latente in Sistemi Multi-Agente con LLM

Un nuovo framework di addestramento chiamato DiffMAS è stato introdotto dai ricercatori, che integra la comunicazione latente come aspetto apprendibile nei sistemi multi-agente che utilizzano grandi modelli linguistici. A differenza dei metodi tradizionali che si basano su protocolli testuali statici, DiffMAS sfrutta rappresentazioni interne come le cache chiave-valore per la comunicazione tra agenti. Questo framework consente un addestramento supervisionato efficiente in termini di parametri su traiettorie latenti multi-agente, facilitando l'apprendimento congiunto della codifica e dell'interpretazione delle informazioni durante le interazioni. Esperimenti condotti su ragionamento matematico, risposta a domande scientifiche, generazione di codice e benchmark di senso comune dimostrano notevoli miglioramenti nell'accuratezza del ragionamento e nella decodifica. Questo studio colma una lacuna nell'attuale ricerca sui sistemi multi-agente con LLM, che si concentra principalmente sui ruoli degli agenti e sull'orchestrazione, trattando la comunicazione come un'interfaccia fissa.