MARS: Riparazione Automatica per Sistemi Multi-Agente tramite Ricerca ad Albero Monte-Carlo

È stato introdotto un nuovo framework chiamato MARS (Multi-Agent Repair via Search) per facilitare l'automazione della riparazione di sistemi multi-agente (MAS) che producono risultati errati o inadeguati. Tipicamente, gli utenti devono individuare manualmente gli errori analizzando le traiettorie degli agenti (attribuzione del fallimento) e quindi fornire feedback per il perfezionamento dell'output (riparazione). Sebbene i recenti progressi abbiano affrontato l'attribuzione del fallimento, la riparazione automatica non è stata esplorata in modo significativo. MARS affronta la riparazione dei MAS attraverso un metodo di ricerca ad albero Monte-Carlo (MCTS), esplorando le vaste possibilità di riparazione tramite espansione guidata dalla diagnosi e valutazione potenziata dalla tassonomia. A differenza del MCTS convenzionale, che si basa su rollout completi per la valutazione, MARS impiega rollout parziali per minimizzare l'uso di token. Questo framework è presentato insieme a StateMAS, un benchmark completo con 1.310 scenari multi-agente riproducibili. L'articolo di ricerca è disponibile su arXiv con identificatore 2607.29055, categorizzato come 'cross'. Questo studio colma una lacuna vitale nella distribuzione dei MAS, aprendo la strada al recupero automatico degli errori in sistemi multi-agente complessi.