AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-22
作為圖結構化分散式區塊最佳化的平行 AI 代理協作
原標題: Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization
平行 AI 代理可能產出個別有用、但在合併時會使共享解變差的局部編輯。論文將此協調問題建模為具有可精確評估目標函數與已知依賴圖的離散區塊最佳化，其中獨立集可認證彼此相容的編輯，其經驗證增益恰可相加；並證明最佳分數著色所得到的合併程序能保留總經驗證局部改善量的 1/χ_f(G) 比例。程式碼修復實驗顯示，經驗證合併能化解導致樸素合併失敗的衝突；分數式整合在三個公開道路網路上的 90 次成對執行中保留了 922 個單位的經驗證圖割改善；分數式排程則在路徑搜尋代理的 12 次成對執行中，使實際執行時間（wall time）的實測中位數縮短 15%。