Le risposte sbagliate possono migliorare il ragionamento multi-agente, secondo uno studio

Una recente indagine pubblicata su arXiv (2608.14375) mette in discussione la convinzione prevalente nei sistemi di ragionamento multi-agente che solo i messaggi accurati dovrebbero influenzare i risultati finali. Gli autori presentano Diverse Hypothesis Deliberation (DHD), un metodo di valutazione sistematica che memorizza cinque messaggi creati indipendentemente e li ripropone a un risolutore a valle (l'integratore) con opzioni per mostrare o nascondere ciascun messaggio. Questo confronto valuta il 'valore di traiettoria' di un messaggio, determinando se la sua disponibilità aiuta o ostacola il ragionamento. La ricerca, che copre cinque benchmark in matematica e scienze utilizzando due famiglie di modelli disponibili pubblicamente (gpt-oss-120b e gemma-4-31B-it), rivela che i messaggi 'sbagliati ma utili'—risposte incorrette ma benefiche—sono presenti in tutte le combinazioni testate. I risultati suggeriscono che tali messaggi possono migliorare il ragionamento dell'integratore, indicando che affidarsi esclusivamente alla correttezza potrebbe trascurare intuizioni preziose. Lo studio è intitolato 'Sbagliato ma utile: valore di traiettoria oltre la correttezza delle risposte nei messaggi multi-agente.'