Specializzazione automatizzata con stato per sistemi di agenti adattivi

Abstract degli autori

Gli attuali framework per la progettazione automatizzata di agenti producono workflow statici, privi di adattabilità, oppure ottimizzatori per singola query, che impediscono l’accumulo di una profonda competenza nei compiti a livello di agente. Proponiamo una nuova direzione che concilia questi paradigmi: creare team di agenti specialisti dotati di stato, che accumulano conoscenze nel tempo e possono essere riconfigurati per compiti inediti senza alcun intervento umano. A tal fine, presentiamo ASpec, un framework che gestisce l’intero ciclo di vita degli agenti: prima individua autonomamente archetipi specialistici tramite ricerca evolutiva, poi ne coltiva le competenze attraverso l’esperienza, riproducendo il modo in cui gli esperti umani imparano con la pratica e la riflessione. Presentiamo inoltre una politica di controllo gerarchica e leggera, «mantieni, poi passa a un livello superiore», che stabilisce quando sfruttare il sistema di agenti consolidato e quando adattarne la struttura. Con esperimenti approfonditi, dimostriamo che questo approccio porta a significativi miglioramenti delle prestazioni in benchmark scientifici di livello esperto come GPQA, eguagliando al contempo lo stato dell’arte nei compiti relativi a domini più ampi. I risultati indicano un percorso promettente verso sistemi di agenti al tempo stesso esperti, adattivi ed efficienti. Pubblicheremo il codice all’indirizzo https://github.com/myanvoos/ASpec.