I Sistemi Multi-Agenti Piatti Affrontano Limiti di Risorse, Non un Piano Causale

Un nuovo preprint su arXiv (2608.00028) contesta l'affermazione che i sistemi multi-agente piatti e uniformi, come gli sciami di robot e i collettivi di modelli linguistici di grandi dimensioni (LLM), incontrano un 'piano causale' immutabile e indipendente dalla popolazione riguardo all'errore ottenibile. Gli autori sostengono che questa affermazione sia eccessivamente definitiva e introducono un modello quantitativo di risorse che incorpora tre elementi: larghezza della popolazione N, memoria del modello interno per agente d, e ritardo di osservazione τ. Attraverso un banco di prova controllato di reiezione dei disturbi con un ottimo calcolabile con precisione, presentano tre risultati: (i) il piano ottenibile è influenzato dalla memoria per agente e dal ritardo di previsione piuttosto che dalla gerarchia architetturale; (ii) il semplice aumento della larghezza della popolazione non supera questi vincoli; e (iii) i miglioramenti delle prestazioni non richiedono strutture gerarchiche (a ciclo annidato). L'articolo migliora la comprensione della scalabilità nei sistemi multi-agente, enfatizzando l'allocazione delle risorse rispetto alla complessità architetturale. Questo preprint è classificato come annuncio di tipo incrociato e può essere accessibile all'indirizzo https://arxiv.org/abs/2608.00028.