Sistemi Multi-Agente Ricorsivi: Scalare la Collaborazione tra Agenti attraverso la Ricorsione
Uno studio recente presenta RecursiveMAS, un framework che utilizza il scaling ricorsivo nei sistemi multi-agente. Questo metodo si basa sull'idea dei modelli linguistici ricorsivi, che migliorano progressivamente i calcoli attraverso stati latenti, facilitando cicli collaborativi tra agenti diversi. Al suo centro, RecursiveMAS incorpora un modulo RecursiveLink semplificato per generare pensieri latenti in-distribuzione e trasferire stati tra agenti. Un algoritmo di apprendimento a ciclo interno-esterno ottimizza il sistema utilizzando l'assegnazione del credito basata su gradienti condivisi attraverso i cicli di ricorsione. Valutazioni teoriche affrontano la complessità temporale e le dinamiche di apprendimento. Il documento completo è disponibile su arXiv con ID 2604.25917.
Fatti principali
- RecursiveMAS è un framework multi-agente ricorsivo.
- Collega agenti eterogenei in un ciclo di collaborazione.
- Il modulo RecursiveLink consente la generazione di pensieri latenti e il trasferimento di stati tra agenti.
- Un algoritmo di apprendimento a ciclo interno-esterno ottimizza il sistema.
- Viene utilizzata l'assegnazione del credito basata su gradienti condivisi attraverso i cicli di ricorsione.
- Sono fornite analisi teoriche della complessità temporale e delle dinamiche di apprendimento.
- Il documento è pubblicato su arXiv con ID 2604.25917.
- L'approccio estende il scaling dei modelli linguistici ricorsivi ai sistemi multi-agente.
Entità
Istituzioni
- arXiv