Il Framework SOCIA-EVO Introduce la Costruzione Automatica di Simulatori per Sistemi di IA

Il framework SOCIA-EVO introduce lo sviluppo automatizzato di simulatori che mantiene la fedeltà distribuzionale, affrontando i problemi di deriva contestuale e instabilità di ottimizzazione negli agenti LLM a lungo orizzonte. Impiega una strategia evolutiva a doppio ancoraggio composta da tre elementi chiave: un progetto statico che impone vincoli empirici, un'ottimizzazione a due livelli che distingue tra perfezionamento strutturale e calibrazione dei parametri, e un Playbook di Strategie auto-curante che utilizza il recupero ponderato bayesiano per la gestione delle ipotesi. Questo framework scarta efficacemente le strategie inefficaci attraverso il feedback di esecuzione, garantendo una convergenza robusta e una coerenza statistica con i dati osservativi. Il codice e i dati per SOCIA-EVO sono accessibili al pubblico. Questa ricerca è stata pubblicata su arXiv, una piattaforma che facilita la pubblicazione di articoli scientifici e incoraggia la collaborazione della comunità, rispettando i principi di apertura e privacy dei dati utente.