KI und die schwierigen Probleme der Welt · Theoretische Informatik · arXiv · 2026-10-21
Lokale Arbeit, globaler Fortschritt: Eine Konvergenztheorie der Zusammenarbeit von KI-Agenten
Originaltitel: Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration
Kollaborationsprotokolle für Teams aus LLM-Agenten werden meist empirisch entworfen, daher formalisieren die Autoren kollaboratives Problemlösen als Blockoptimierung: Jeder Agent verbessert einen Teil einer gemeinsamen Lösung, geleitet von seinem lokalen Ziel plus einer Korrektur dafür, wie sich seine Änderungen auf die anderen Teile auswirken, während ein Koordinator Vorschläge anhand des globalen Ziels prüft und sie zusammenführt. Sie beweisen lineare Konvergenz bis auf eine Fehlerschwelle, die verschwindet, wenn die Korrekturen exakt sind. Mit GPT-OSS-120B-Agenten beim Roboter-Routing fand ein Team aus drei Agenten in jedem Durchlauf kollisionsfreie Pläne und übertraf einen einzelnen Agenten, der alle Roboter steuerte; ein Team aus sechs Agenten schloss seine Suche etwa doppelt so schnell ab (Median), und die Zusammenführung der besten geprüften Kombination verkürzte die Suchzeit um etwa 30%.