EvoTeam: collaborazione multi-agente attraverso team in evoluzione

Abstract degli autori

I sistemi multi-agente basati su LLM si affidano alla collaborazione tra agenti specializzati per risolvere compiti complessi. I metodi esistenti migliorano i sistemi multi-agente perfezionando i prompt, le competenze e le strategie di esecuzione dei singoli agenti sulla base del feedback ricevuto sui compiti. Tuttavia, migliorare i singoli agenti non porta necessariamente a una migliore collaborazione tra i team. Studi recenti hanno quindi esteso l’evoluzione al livello della collaborazione, usando l’esperienza collettiva maturata nell’esecuzione per adeguare l’organizzazione dei team e le interazioni tra agenti. L’evoluzione della collaborazione tra compiti eterogenei resta però difficile, poiché gli approcci esistenti spesso limitano la riorganizzazione dei team a una struttura condivisa e riutilizzano le regole di interazione in contesti di team incompatibili. In questo articolo proponiamo EvoTeam, un framework di evoluzione incentrato sulla collaborazione, che evolve congiuntamente l’organizzazione dei team, le regole di interazione e le competenze dei singoli agenti sulla base dell’esperienza maturata nell’esecuzione. Il framework mantiene una libreria di team riutilizzabili, seleziona o crea team di agenti e guida la collaborazione attraverso regole di interazione specifiche per ciascun team. L’esperienza di collaborazione si accumula in contesti di team compatibili, mentre le competenze individuali restano riutilizzabili tra i diversi team. Gli esperimenti condotti su quattro benchmark ne dimostrano l’efficacia. Il nostro codice è disponibile all’indirizzo https://github.com/DEEP-JLU/EvoTeam.