Collective Emergent Alignment: Measuring and Amplifying Interaction-Induced Reasoning Alignment in Multi-Agent LLMs
Pubblicata su AIChronos il · fonte del · Boxuan Wang, Zhuoyun Li, Sarvapali D. Ramchurn, Xiaowei Huang, Yi Dong
Lo studio indaga se le interazioni tra agenti in sistemi di LLM generino un'allineamento del ragionamento emergente oltre al semplice auto-miglioramento individuale. Viene introdotto REMAP (Reference-Entailment-Matrix for Agentic Process), un framework che quantifica questo effetto tramite la Semantic Coverage e i guadagni specifici dell'interazione su benchmark di ragionamento multi-hop. I risultati eviditano guadagni positivi legati alla capacità degli agenti di integrare prove distribuite, associati al recupero delle informazioni tra pari. Infine, viene proposto un framework di comunicazione a livello fattuale che sostituisce lo scambio completo dei trace del ragionamento con scambi compatti e selettivi per migliorare l'efficienza.
- L'allineamento emergente collettivo nel ragionamento può essere quantificato tramite Semantic Coverage e interaction-specific alignment gains.
- Gli agenti mostrano migliori prestazioni quando integrano prove distribuite attraverso le interazioni rispetto all'autoriflessione individuale.
- Lo scambio di informazioni compatti a livello fattuale migliora l'allineamento riducendo il sovraccarico comunicativo.
- Viene osservata eterogeneità dipendente dalla composizione e trasferimento asimmetrico delle informazioni in base alle capacità degli agenti.
- La comunicazione selettiva espone un trade-off tra acquisizione di informazioni distribuite, ritenzione del contenuto locale ed efficienza.
Perché conta. Per gli sviluppatori che lavorano con LLM e sistemi multi-agente locali, questo paper offre metriche concrete per valutare l'efficacia delle interazioni e strategie per ottimizzare il protocollo comunicativo senza sacrificare le prestazioni di ragionamento.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.