BaRe-Mem: memoria bayesiana dell’affidabilità per una consultazione robusta e adattiva tra agenti

Abstract degli autori

Nei sistemi multiagente, ottenere una consultazione affidabile è difficile perché le capacità degli agenti consulenti variano da un compito all’altro e le informazioni fuorvianti possono rendere la consultazione meno efficace del ragionamento autonomo. Presentiamo BaRe-Mem, una memoria bayesiana online dell’affidabilità per la consultazione multiagente. BaRe-Mem stima l’affidabilità degli agenti consulenti sulla base delle rappresentazioni interne delle credenze del modello centrale e aggiorna queste stime a partire dalle interazioni passate. Le stime modulano l’influenza delle risposte degli agenti consulenti e orientano la scelta tra consultazione e ragionamento autonomo. Su nove benchmark e sei modelli centrali, BaRe-Mem è più robusto alle informazioni fuorvianti fornite dagli agenti consulenti rispetto al dibattito e al voto a maggioranza. Nei compiti più impegnativi, le sue prestazioni restano superiori a quelle del ragionamento autonomo a tutti i livelli testati di informazioni fuorvianti. Estendiamo inoltre il meccanismo di BaRe-Mem all’assegnazione degli agenti esecutori nei team di agenti. Sul benchmark MuSiQue, BaRe-Mem migliora il completamento dei compiti rispetto all’instradamento basato sul numero di successi passati e individua prima gli agenti esecutori capaci.