GAM-Agent: framework multi-agente basato sulla teoria dei giochi migliora il ragionamento visione-linguaggio

Un nuovo framework multi-agente chiamato GAM-Agent è stato sviluppato da ricercatori per migliorare il ragionamento visione-linguaggio. A differenza dei modelli precedenti che si affidano a un singolo agente, GAM-Agent affronta il ragionamento come un gioco a somma non zero, coinvolgendo agenti di base che si concentrano su specifici compiti di percezione visiva e un agente chiave responsabile di garantire coerenza logica e accuratezza fattuale. Questi agenti scambiano affermazioni strutturate, prove e valutazioni di incertezza. Un controller adattivo risponde a disaccordi o ambiguità avviando discussioni multi-round, ottenendo risultati più affidabili e interpretabili. I test su quattro benchmark impegnativi—MMMU, MMBench, MVBench e V*Bench—mostrano che GAM-Agent supera significativamente vari modelli di base visione-linguaggio (VLM), migliorando in particolare l'accuratezza di modelli più piccoli come Qwen2.5-VL-7B e InternVL2.5-8B, raggiungendo risultati pari o superiori a quelli di modelli più grandi. Questo framework basato sulla teoria dei giochi presenta una nuova strategia per avanzare il ragionamento dell'IA, con implicazioni promettenti per sfide di ragionamento visivo complesse.