Verificatore-come-Gatekeeper: Prevenire la Contaminazione delle Competenze negli Agenti LLM Auto-Evolventi

Un recente articolo su arXiv (2608.05810) discute agenti di modelli linguistici di grandi dimensioni (LLM) auto-evolventi che migliorano le loro capacità estraendo competenze riutilizzabili dai loro percorsi di esecuzione. Evidenzia un'evoluzione non monotona delle capacità: quando il pool di competenze supera una dimensione critica, la performance può diminuire con l'aggiunta di nuove competenze. Gli autori introducono il termine 'transizione di fase da contaminazione delle capacità' per spiegare questo fenomeno, attribuendolo a un problema strutturale in cui competenze difettose, una volta incluse nel processo decisionale, servono come punti di riferimento per lo sviluppo futuro di competenze, risultando in contaminazione attraverso le iterazioni. Mostrano che questa contaminazione è strutturalmente irreversibile, poiché eliminare una competenza imperfetta non rimuove il ragionamento povero ereditato nelle competenze successive. Ciò porta alla difesa di una strategia di pre-impegno per l'accettazione delle competenze, proponendo il modello Verificatore-come-Gatekeeper (VaG), che consiste in tre critici diversi che valutano la validità strutturale prima dell'ammissione della competenza. L'articolo può essere trovato su arXiv con l'identificatore 2608.05810.