Nuovo Framework di IA Propone Sistemi Multi-Agente a Fasi Programmata per l'Efficienza dei Token

Uno studio recente ha svelato i Sistemi Multi-Agente a Fasi Programmata (PSMAS), un framework mirato a risolvere l'inefficienza dei token nei sistemi multi-agente alimentati da grandi modelli linguistici. Questo metodo concettualizza l'attivazione degli agenti come controllo continuo all'interno di uno spazio di attenzione condiviso su una varietà circolare, dove a ciascun agente viene assegnata una fase angolare specifica basata sulla topologia delle dipendenze del compito. L'inefficienza dei token deriva da due problemi principali: esecuzione parallela non strutturata, dove tutti gli agenti si attivano simultaneamente senza considerare la prontezza degli input, e condivisione del contesto illimitata, che consente a ogni agente di accedere a tutto il contesto accumulato indipendentemente dalla sua rilevanza. Le strategie di mitigazione tradizionali, come la potatura statica e la scomposizione gerarchica, trascurano gli aspetti temporali del coordinamento. Il framework PSMAS, dettagliato nel documento arXiv 2604.17400v1, introduce un modello matematico che utilizza un segnale di scansione globale che ruota alla velocità omega per coinvolgere solo gli agenti pertinenti in base al loro allineamento di fase, segnando un cambiamento significativo rispetto ai modelli di esecuzione parallela esistenti.