I team di agenti auto-organizzati imparano a ragionare insieme

Abstract degli autori

L’intelligenza collettiva dipende non solo da ciò che sanno i membri di un team, ma anche da come organizzano il proprio lavoro. Quando la struttura di una soluzione è sconosciuta, non è possibile definire in anticipo ruoli utili e divisioni del lavoro: i team devono imparare dall’esperienza a organizzare il ragionamento man mano che si sviluppa. I team umani si adattano abitualmente in questo modo, mentre gli attuali team di agenti IA si basano su protocolli fissi, scomposizione esplicita dei compiti o instradamento. Presentiamo Self-Organizing Agent Teams (SAT), team fissi di agenti IA che imparano dalle collaborazioni precedenti strategie riutilizzabili per organizzare ruoli, fasi della conversazione, partecipazione e flusso delle informazioni. Queste strategie rendono possibile quella che chiamiamo computazione collaborativa: gli agenti si scambiano, mettono in discussione, correggono e sintetizzano ragionamenti parziali per arrivare a soluzioni che nessun membro avrebbe prodotto da solo. In due contesti indipendenti, impariamo strategie di lavoro di squadra che si trasferiscono senza modifiche a benchmark mai visti prima, usando soltanto 15 problemi di matematica e 25 problemi di conoscenza di livello post-laurea. Su cinque benchmark di matematica e fisica, i team auto-organizzati raggiungono una precisione media del 66,7%, contro il 48,8% del loro membro più forte, il 58,7% dell’inferenza a parità di risorse di calcolo di quell’agente e il 59,0% di un instradatore perfetto che seleziona tra le risposte indipendenti dei membri; su AIME 2026, superano questo instradatore di 13,4 punti. Poiché i miglioramenti variano da un benchmark all’altro, ci chiediamo quando la collaborazione auto-organizzata sia d’aiuto. Su otto benchmark, la dimostrabilità (il costrutto della psicologia organizzativa che indica se un team è in grado di distinguere un ragionamento corretto da uno scorretto) è strettamente correlata al miglioramento rispetto al membro più forte (Spearman $ρ=0.90$, $p=0.005$): i team traggono maggior beneficio quando è possibile riconoscere un ragionamento corretto una volta che emerge. Più in generale, questi risultati suggeriscono che anche l’organizzazione può diventare una capacità degli agenti: i team di agenti possono imparare a ragionare insieme e produrre soluzioni che i loro membri non riuscirebbero a raggiungere da soli.