L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-22
Collaboration d'agents IA parallèles comme optimisation distribuée de blocs structurée en graphe
Titre original: Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization
Des agents IA parallèles peuvent produire des modifications locales utiles qui dégradent une solution partagée lorsqu'elles sont combinées. L'article modélise ce problème de coordination comme une optimisation de blocs discrète avec un objectif exactement évaluable et un graphe de dépendances connu, où les ensembles indépendants certifient des modifications compatibles dont les gains vérifiés s'additionnent exactement, et démontre qu'une coloration fractionnaire optimale produit une fusion préservant une fraction de 1/χ_f(G) de l'amélioration locale vérifiée totale. Les expériences de réparation de code montrent que la fusion vérifiée résout des conflits qui font échouer la fusion naïve, l'intégration fractionnaire conserve 922 unités d'amélioration vérifiée de coupe de graphe sur 90 exécutions appariées sur trois réseaux routiers publics, et l'ordonnancement fractionnaire réduit le temps d'horloge mesuré d'une médiane de 15% sur douze exécutions appariées d'agents de recherche d'itinéraires.