Добавление большего количества каналов связи между агентами не обязательно улучшает многопользовательскую производительность. Управляемый, воспроизводимый эксперимент за 50 запусков показывает, что восстановление оставалось необычайно стабильным от 20% до 100% плотности связей. Однако по мере того как сеть становилась плотнее, доля ребер, действительно используемых, резко упала, что выявляет разрыв между настроенной связностью и поведенческой связностью.
Автор создал управляемый эксперимент, изолирующий плотность связей от путающих переменных с использованием полностью детерминированной политики агента вместо прямых вызовов модели. Результаты показывают, что больше каналов связи не означают автоматически лучшую производительность. Настоящий инженерный вопрос не в том, сколько существует соединений, а в том, сколько из них действительно несут информацию.
Эксперимент использует фиксированное количество восьми агентов и оценивает пять уровней плотности (20%, 40%, 60%, 80%, 100%) с десятью пробами каждого. Все данные получены из реальных эталонных запусков на Python 3.12, только на процессоре, без внешних вызовов API. Система использует связные случайные графы Эрдоса–Реньи без скрытых узлов-центров или вручную настроенных правил.
Эта работа направлена на тех, кто выбирает топологии многопользовательских систем на основе интуиции. Полный код и заранее определенный протокол тестирования доступны в репозитории GitHub для точного воспроизведения.
Ключевые сущности: Компании: Towards Data Science
Источник: Towards Data Science · Сводку подготовил HeadlinesBriefing