KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-22
Parallele KI-Agenten-Kollaboration als graphenstrukturierte verteilte Blockoptimierung
Originaltitel: Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization
Parallele KI-Agenten können nützliche lokale Änderungen hervorbringen, die in Kombination eine gemeinsame Lösung verschlechtern. Das Paper modelliert dieses Koordinationsproblem als diskrete Blockoptimierung mit einer exakt auswertbaren Zielfunktion und einem bekannten Abhängigkeitsgraphen, bei dem unabhängige Mengen kompatible Änderungen zertifizieren, deren verifizierte Gewinne sich exakt addieren, und beweist, dass eine optimale fraktionale Färbung eine Zusammenführung liefert, die einen Anteil von 1/χ_f(G) der gesamten verifizierten lokalen Verbesserung bewahrt. Experimente zur Code-Reparatur zeigen, dass verifiziertes Zusammenführen Konflikte auflöst, an denen naives Zusammenführen scheitert; die fraktionale Integration bewahrt 922 Einheiten verifizierter Graph-Cut-Verbesserung über 90 gepaarte Läufe auf drei öffentlichen Straßennetzen, und fraktionales Scheduling senkt die gemessene Wallclock-Zeit um einen Median von 15% über zwölf gepaarte Läufe von Routensuch-Agenten.