RelLedger: governance delle informazioni relazionali nelle organizzazioni di agenti LLM

Abstract degli autori

Nelle organizzazioni di agenti LLM, i registri condivisi determinano quali fatti saranno disponibili per le decisioni successive. Prima di decidere se segnalare un evento, un mittente consulta le cronologie delle interazioni. Una differenza nella trasmissione tra cronologie diverse non mostra quale relazione abbia guidato la scelta, né se il registro che ne risulta abbia conseguenze a valle. Introduciamo RelLedger per esaminare questi legami. Il sistema mantiene invariati l’evento, le prove, il rischio e il messaggio, incrociando le cronologie del mittente con il soggetto dell’evento e con un attore estraneo. La riassegnazione dei ruoli e la riscrittura delle cronologie individuano l’indizio che determina la scelta. Gli interventi sul messaggio e sui costi mostrano quando emerge l’effetto. Un registro delle attribuzioni collega ogni affermazione alle celle di risposta necessarie e distingue gli interventi mancanti dall’incertezza dovuta al campionamento. La riproduzione delle interazioni del destinatario segue le informazioni recapitate fino alle decisioni a valle. Flussi di lavoro eseguibili per un’azienda simulata composta da una sola persona estendono l’esame alle cronologie recuperate, alle chiamate agli strumenti e agli aggiornamenti del registro condiviso. Con GPT, Gemini, Claude, DeepSeek e Qwen, l’esame rivela percorsi di controllo specifici di ciascun modello e differenze più contenute legate alle relazioni quando si applicano regole esplicite sulle perdite. Claude invia la stessa comunicazione dei fatti con una frequenza superiore di 62,22 punti percentuali in presenza di cronologie di conflitto rispetto a cronologie di rapporti amichevoli. Nei flussi di lavoro eseguibili, per Claude le cronologie di rapporti tesi riducono di 45,83 punti, rispetto a quelle di rapporti cordiali, la frequenza con cui il destinatario effettua una revisione.