Diagnostica Predittiva per Topologie di Comunicazione Multi-Agente LLM
Un nuovo articolo su arXiv introduce una diagnostica strutturale per i grafi di comunicazione di modelli linguistici di grandi dimensioni (LLM) multi-agente, consentendo la valutazione pre-inferenza delle prestazioni della topologia. La diagnostica utilizza la rappresentazione successore M = (I - γP)^{-1} dell'operatore di comunicazione stocastico per righe, collegando tre quantità spettrali—raggio spettrale ρ(M), gap spettrale Δ(M) e numero di condizionamento κ(M)—a distinti modi di fallimento: deriva, mancata convergenza e mancanza di robustezza. Gli autori derivano spettri in forma chiusa per topologie a catena, a stella e a maglia sotto normalizzazione stocastica per righe e convalidano le previsioni su un compito strutturato di tracciamento dello stato a 12 passi utilizzando Qwen2.5. Questo lavoro risponde all'attuale necessità di valutazione post-hoc fornendo una diagnostica pre-inferenza per i professionisti che implementano sistemi LLM multi-agente.
Fatti principali
- 1. L'articolo arXiv:2605.11453 introduce una diagnostica strutturale per topologie di comunicazione LLM multi-agente.
- 2. La diagnostica utilizza la rappresentazione successore M = (I - γP)^{-1} dell'operatore di comunicazione stocastico per righe.
- 3. Tre quantità spettrali sono collegate a modi di fallimento: ρ(M) (deriva), Δ(M) (convergenza), κ(M) (robustezza).
- 4. Spettri in forma chiusa derivati per topologie a catena, a stella e a maglia.
- 5. Convalida eseguita su un compito strutturato di tracciamento dello stato a 12 passi con Qwen2.5.
- 6. Consente la valutazione pre-inferenza invece dell'analisi post-hoc.
Entità
Istituzioni
- arXiv