Gli Agenti Aziendali Necessitano del Contesto di Runtime, Non Solo di Modelli del Mondo Appresi
Uno studio recente pubblicato su arXiv mette in discussione la convinzione che gli agenti aziendali debbano sviluppare modelli del mondo utilizzando dati storici. I ricercatori sostengono che negli ambienti aziendali, dove le dinamiche di transizione sono dettate da logiche di business specifiche del tenant che cambiano con ogni implementazione e si evolvono, i modelli basati su transizioni precedenti diventano fragili durante i cambi di implementazione. Suggeriscono l'uso di agenti di scoperta aziendale che analizzano le configurazioni di sistema durante il runtime per catturare le dinamiche rilevanti, migliorando l'addestramento offline. Inoltre, presentano CascadeBench, un benchmark incentrato sul ragionamento per questo contesto. L'articolo, arXiv:2605.12178, esplora se gli agenti devono apprendere le dinamiche quando le regole possono essere accessibili durante l'inferenza, mostrando che la scoperta in runtime radica efficacemente le previsioni nell'istanza di sistema corrente.
Fatti principali
- L'articolo arXiv:2605.12178 sfida la necessità di modelli del mondo appresi nei sistemi aziendali.
- Le dinamiche aziendali sono definite da logiche di business specifiche del tenant che variano e si evolvono.
- I modelli addestrati su transizioni storiche diventano fragili sotto cambi di implementazione.
- Gli autori propongono agenti di scoperta aziendale che leggono la configurazione in runtime.
- La scoperta in runtime integra l'addestramento offline radicando le previsioni nell'istanza attiva.
- CascadeBench è introdotto come benchmark incentrato sul ragionamento.
- L'articolo si chiede se gli agenti debbano apprendere le dinamiche quando le regole sono leggibili al momento dell'inferenza.
- I risultati empirici mostrano che la scoperta in runtime migliora l'accuratezza delle previsioni.
Entità
Istituzioni
- arXiv