Resumen: Los sistemas de IA del mundo real están abordando problemas cada vez más complejos, a menudo a través de interacciones entre agentes de modelos de lenguaje grande (LLM). Cuando estos agentes desarrollan convenciones inconsistentes, la coordinación puede fallar. Por lo tanto, aplicaciones como la codificación colaborativa y la planificación distribuida requieren una comunicación confiable y consistente, y la escalabilidad es una preocupación central a medida que los sistemas crecen. Presentamos los Juegos de nombres inducidos por esquemas (SIGN), un juego de nombres que examina cómo una estructura ligera puede dirigir la formación de convenciones. Comparamos la comunicación inducida por esquemas con el lenguaje natural sin restricciones y encontramos una convergencia más rápida con una concordancia hasta 5,8 veces mayor. Estos resultados sugieren que una estructura mínima puede actuar como una simple perilla de control para una coordinación eficiente de múltiples agentes, apuntando hacia aplicaciones más amplias más allá del juego de nombres.
Publicado originalmente en export.arxiv.org el 27 de octubre de 2025.
Ver fuente original
