L'IA face aux grands problèmes du monde · Informatique théorique · arXiv · 2026-10-21
Travail local, progrès global : une théorie de la convergence de la collaboration des agents d'IA
Titre original: Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration
Les protocoles de collaboration pour des équipes d'agents LLM sont le plus souvent conçus de manière empirique ; les auteurs formalisent donc la résolution collaborative de problèmes comme une optimisation par blocs : chaque agent améliore une partie d'une solution partagée en se guidant sur son objectif local plus une correction de la façon dont ses modifications affectent les autres parties, tandis qu'un coordinateur vérifie les propositions par rapport à l'objectif global et les fusionne. Ils démontrent une convergence linéaire jusqu'à un plancher d'erreur qui s'annule lorsque les corrections sont exactes. Avec des agents GPT-OSS-120B sur du routage de robots, une équipe de trois agents a trouvé des plans sans collision à chaque exécution et a surpassé un agent unique contrôlant tous les robots, une équipe de six agents a achevé sa recherche environ deux fois plus vite (médiane), et la fusion de la meilleure combinaison vérifiée a réduit le temps de recherche d'environ 30 %.