AI और दुनिया की कठिन समस्याएँ · सैद्धांतिक कंप्यूटर विज्ञान · arXiv · 2026-10-21

स्थानीय कार्य, वैश्विक प्रगति: AI एजेंट सहयोग का एक अभिसरण सिद्धांत

मूल शीर्षक: Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration

LLM एजेंटों की टीमों के लिए सहयोग प्रोटोकॉल अधिकतर अनुभवसिद्ध रूप से डिज़ाइन किए जाते हैं, इसलिए लेखक सहयोगात्मक समस्या-समाधान को ब्लॉक ऑप्टिमाइज़ेशन के रूप में औपचारिक रूप देते हैं: प्रत्येक एजेंट साझा समाधान के एक हिस्से को बेहतर बनाता है, जो उसके स्थानीय उद्देश्य और इस बात के सुधार से निर्देशित होता है कि उसके बदलाव अन्य हिस्सों को कैसे प्रभावित करते हैं, जबकि एक कोऑर्डिनेटर प्रस्तावों की जांच वैश्विक उद्देश्य के आधार पर करता है और उन्हें मर्ज करता है। वे एक एरर फ्लोर तक रैखिक अभिसरण सिद्ध करते हैं, जो सुधार सटीक होने पर शून्य हो जाता है। रोबोट रूटिंग पर GPT-OSS-120B एजेंटों के साथ, तीन-एजेंट की टीम ने हर रन में टकराव-मुक्त योजनाएं पाईं और सभी रोबोटों को नियंत्रित करने वाले एकल एजेंट से बेहतर प्रदर्शन किया, छह-एजेंट की टीम ने अपनी खोज लगभग दो गुना तेज़ी से पूरी की (माध्यिका), और सर्वश्रेष्ठ जांचे गए संयोजन को मर्ज करने से खोज समय लगभग 30% घट गया।

मूल लेख पढ़ें ↗

सभी आइटम →