エージェント間により多くの通信経路を追加しても、必ずしもマルチエージェントパフォーマンスが向上するわけではありません。50回の制御可能で再現可能な実験により、回復率は関係密度の20%から100%まで非常に安定していることが明らかになりました。しかしながら、ネットワークが密集するにつれて、実際に使用されるエッジの割合は急激に低下し、構成済みの接続性と行動的接続性の間のギャップを明らかにしました。
著者は、ライブモデル呼び出しではなく、完全に決定論的なエージェントポリシーを使用して、関係の密度を交絡変数から分離した制御実験を構築しました。研究結果によると、より多くの通信経路が自動的により良いパフォーマンスを意味するわけではありません。真のエンジニアリングの問題は、どれだけの接続が存在するかではなく、どれだけの接続が実際に情報を伝達するかです。
この実験では、固定された8人のエージェントを使用し、5つの密度レベル（20%、40%、60%、80%、100%）をそれぞれ10回ずつ評価します。すべてのデータは、Python 3.12上での実際のベンチマーク実行から取得され、CPUのみを使用し、外部API呼び出しは一切ありません。このシステムは、隠されたハブや手動で調整されたルールのない接続されたエラトステネス–レピル・ランダムグラフを使用します。
この研究は、直感に基づいてマルチエージェントトポロジーを選択する人々を対象としています。完全なコードと事前に指定されたテストプロトコルは、正確な再現を可能にするGitHubリポジトリで入手できます。
主要なエンティティ：会社：Towards Data Science
出典: Towards Data Science · 要約：HeadlinesBriefing