Studio e Valutazione di Sistemi Multi-Agente Basati su Large Language Models per la Risoluzione di Compiti Complessi: Mappatura, Benchmarking e Validazione Empirica
Year: 2026
Type: dissertation
Abstract: Questo lavoro studia e confronta sistemi agentici basati su Large Language Models (LLM) nelle due principali configurazioni architetturali: agente singolo (SAS) e sistemi multi-agente (MAS), con l'obiettivo di chiarirne vantaggi, limiti e trade-off quando applicati a compiti complessi che richiedono pianificazione, ragionamento multi-step e uso di tool esterni.Il lavoro propone (i) una mappatura e tassonomia dello stato dell'arte di framework e piattaforme per lo sviluppo di MAS, (ii) un'analisi dei benchmark esistenti per la valutazione di agenti/LLM-MAS e delle metriche rilevanti (performance, efficienza e overhead di comunicazione) e (iii) la validazione sperimentale su un benchmark incentrato sul ragionamento astratto che integra le tre versioni ad oggi esistenti di ARC-AGI.Gli esperimenti su varie architetture confermano che i task di ARC-AGI rimangono sfidanti per modelli medio/piccoli, non permettendo alle differenze architetturali di mostrare le loro differenze, che emergono però in ambienti testuali più semplici come ALFWorld.
Author: PARENTE, RICCARDO
Language: Italian
Subfield: Artificial Intelligence
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7150388839