NeuroMAS: Sistemi Multi-Agente come Reti Neurali con Apprendimento per Rinforzo Congiunto

Un nuovo metodo chiamato NeuroMAS reinterpreta i sistemi linguistici multi-agente come architetture addestrabili simili a reti neurali. Invece di flussi di lavoro progettati a mano con ruoli predefiniti e protocolli di comunicazione, NeuroMAS tratta gli agenti LLM come nodi e i segnali testuali come archi. La topologia determina il flusso di informazioni, mentre l'apprendimento per rinforzo addestra i nodi a comunicare, specializzarsi e coordinarsi. Questo sposta la progettazione dall'ingegneria dei flussi di lavoro alla progettazione architettonica, dove profondità, larghezza, connettività e crescita diventano scalabili. Una prospettiva teorica mostra che il calcolo testuale modulare è più efficiente in termini di parametri per compiti gerarchicamente scomponibili.