مقاله‌ی arXiv:2610.16117 · در صف خبرنامه
Beyond Perfect Teammates: Multi-Agent Collaboration with Unreliable Colleagues
فراتر از هم‌تیمی بی‌نقص: همکاری چندایجنتی با همکارانی که جواب نامربوط، ناقص یا هیچ جوابی نمی‌دهند
- تاریخ
- (۲۰ مهر ۱۴۰۵) 2026-10-12 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Chen Huang, Yiyang Zhang, Yuhao Wu, Yang Deng, Wenxuan Zhang
- نهاد نویسنده‌ها
- Singapore University of Technology and Design; Singapore Management University
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
همکاری چندایجنتی برای حل کارهای پیچیده با تقسیم کار بین ایجنت‌های تخصصی رایج شده است، اما سیستم‌ها و ارزیابی‌ها فرض «همکار بی‌نقص» دارند: همکار اطلاعات درست و کامل می‌دهد و سریع جواب می‌دهد. در کار تیمی واقعی، همکار ممکن است اطلاعاتی بدهد که به سؤال مورد نظر جواب نمی‌دهد، جزئیات کافی برای تصمیم ندهد یا اصلاً به درخواست پاسخ ندهد.
روش
بنچمارک UnCoBench برای جدا کردن توانایی حل تسک از توانایی بازیابی یک فرایند جمع‌آوری شواهد غیرقابل اعتماد، شکست‌های رفتاری را در سه حالت سازمان می‌دهد: نامربوط، ناقص و بی‌پاسخ. ایجنت اصلی باید درستی کانتکستی را بررسی کند، کمبود اطلاعات را تشخیص دهد و وابستگی‌های حل‌نشده را دنبال کند. یک خط لوله‌ی تولید خودکار قابل تأیید، تولید سناریو با مدل زبانی را با بررسی‌های اجرایی یکتایی پاسخ و ضرورت نقش‌ها جفت می‌کند؛ بنچمارک ۱۰۰۰ تسک جفتی دارد.
یافته‌ها
- در ده مدل، کارایی مشابه در حالت قابل اعتماد می‌تواند به مقاومت متفاوت در برابر شواهد غیرقابل اعتماد بینجامد.
- تحلیل ردپاها نشان داد ایجنت‌ها اغلب پیگیری اصلاحی را جا می‌اندازند و رفتار بازیابی‌شان شامل انتظار ناکارآمد و پرسش‌های تکراری است.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ سناریوها با مدل زبانی تولید شده‌اند و همکاران غیرقابل اعتماد شبیه‌سازی‌شده‌اند.
چرا مهم است
در سیستم‌های چندایجنتی واقعی، ساب‌ایجنت‌ها همیشه جواب درست و کامل نمی‌دهند. این کار نشان می‌دهد همکاری مقاوم فقط استدلال خوب نمی‌خواهد، بلکه اقدام هدفمند برای تشخیص و جبران شواهد ناقص هم لازم دارد.