Federation over Text Framework Consente il Ragionamento Multi-Agente Attraverso Librerie di Insight Condivise

Un framework simile all'apprendimento federato, noto come Federation over Text (FoT), consente a vari agenti impegnati in compiti distinti di creare collaborativamente un repository condiviso di insight metacognitivi federando iterativamente il loro ragionamento locale. A differenza dell'addestramento distribuito tradizionale che si basa sulla federazione dei gradienti, FoT opera a livello semantico senza necessità di ottimizzazione dei gradienti o supervisione. Ogni agente migliora indipendentemente il proprio compito specifico attraverso il ragionamento locale e poi trasmette queste tracce di ragionamento a un server centrale. Questo server compila e affina le tracce in una libreria di insight applicabili attraverso compiti e domini, a beneficio sia degli agenti attuali che futuri. Gli esperimenti indicano che FoT migliora le capacità di ragionamento. Il framework supera la sfida affrontata dagli agenti basati su LLM, che spesso iniziano il ragionamento da zero per ogni problema e mancano di meccanismi per il trasferimento delle competenze. Questa metodologia consente agli agenti di utilizzare conoscenze condivise invece di partire da zero. I risultati sono stati pubblicati nella preprint arXiv 2604.16778v1, classificata come cross.