IA e os Problemas Difíceis do Mundo · Ciência da computação teórica · arXiv · 2026-10-21
Trabalho local, progresso global: uma teoria de convergência da colaboração de agentes de IA
Título original: Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration
Os protocolos de colaboração para equipes de agentes de LLM são em sua maioria projetados empiricamente, de modo que os autores formalizam a resolução colaborativa de problemas como otimização em blocos: cada agente melhora uma parte de uma solução compartilhada guiado por seu objetivo local mais uma correção de como suas mudanças afetam as outras partes, enquanto um coordenador verifica as propostas em relação ao objetivo global e as mescla. Eles provam convergência linear até um piso de erro que desaparece quando as correções são exatas. Com agentes GPT-OSS-120B em roteamento de robôs, uma equipe de três agentes encontrou planos livres de colisão em todas as execuções e superou um único agente controlando todos os robôs, uma equipe de seis agentes concluiu sua busca cerca de duas vezes mais rápido (mediana) e mesclar a melhor combinação verificada reduziu o tempo de busca em cerca de 30%.