İki Seviyeli Eşgüdümlü Refleksiyon: Çok-Ajanlı LLM Sistemlerine Oyun Kuramı Yaklaşımı

Çok-Ajanlı Sistemlerde Koordinasyon ve Doğrulama

Çok-ajanlı Büyük Dil Modeli (LLM) sistemlerinde bir orkestratörün görevi çalışan ekiplere paylaştırması ve metin tabanlı refleksiyon (öz-değerlendirme) yoluyla sistemin kendini geliştirmesi yaygın bir yöntemdir. Ancak elde edilen güçlü ampirik sonuçlara karşın; koordinasyon mekanizmaları, bellek gelişimi ve dış doğrulamanın rolünü bütüncül olarak açıklayan kuramsal bir temel bulunmamaktadır. Bu çalışma, çok-ajanlı etkileşimleri oyun kuramı ve bilgi teorisiyle ele alarak süreci şu 5 temel boyutta modeller:

İki Seviyeli Koordinasyon Oyunu (Bilevel Coordination Game): Orkestratör ve çalışan ajanlar arasındaki etkileşim iki seviyeli bir koordinasyon oyunu olarak kurgulanmıştır. Sınırlı bağlaşım koşulunda çalışanların yerel güncelleme adımları bir "yaklaşık potansiyel oyun" meydana getirir ve buradaki denge boşluğu (slack), orkestratörün görev ayrıştırma kalitesiyle doğrudan kontrol edilir. Pratik Çıkarım: Sistem tasarımında görevleri bağımsız ve modüler alt birimlere bölmek, çalışan ajanların hata payını ve sistem içi sürtünmeyi doğrudan azaltır.
Serbest Biçimli Refleksiyonun Dinamikleri: Refleksiyon süreci semantik bellek durumları üzerindeki stokastik hareketler olarak incelenmiştir. Serbest biçimli (free-form) refleksiyon için sonlu zamanlı üst sınır türetilmiş, en kötü durum sıkılığı ispatlanmış ve yanlışlanabilir "kalıcı zarar" koşulu altında bir alt sınır gösterilmiştir. Pratik Çıkarım: Sınırlandırılmamış serbest metin refleksiyonu, ajanın belleğinde kalıcı bilgi kirliliğine ve kararsız davranış sapmalarına (drift) neden olabilir.
Salt Metin İzlemenin İmkânsızlığı: Yalnızca üretilen konuşma geçmişini (transcript) izleyen hiçbir doğrulama geçidinin (gate), metinsel olarak ayırt edilemeyen ortamlarda performansı tekdüze artıramayacağı bilgi kuramıyla kanıtlanmıştır; başarım için ortamla doğrudan temellenmiş (environment-grounded) bir geçit zorunludur. Pratik Çıkarım: LLM çıktılarını sadece başka bir modelle (LLM-as-a-Judge) denetlemek yetersizdir; derleyici, test koşumu veya araç geri bildirimleri gibi harici doğrulamalar şarttır.
Stokastik Reflektif Bellek Tırmanışı (SRMA): Önerilen SRMA yöntemi, aday bellek durumunu yalnızca ortam tabanlı değerlendirme riski kesin olarak azaldığında kabul eder. Doğru kalibrasyon altında SRMA geometrik veya polinomiyal hızda tam yakınsar; ayrıca stokastik değerlendirmeler için güven geçitleri ve durağan olmayan ortamlar için yeniden demirleme garantileri sunar. Pratik Çıkarım: Ajanın uzun dönemli hafızası keyfi güncellenmemeli; sadece doğrulanmış test riskini düşüren başarılı deneyimler saklanmalıdır.
SWE-bench Üzerinde Deneysel Doğrulama: Ortam temelli metriklerle sınanan ve Kimi modelini kullanan bu bütünleşik mimari, 500 SWE-bench örneğinde %72.2 çözüm oranına ulaşarak %70.8'lik halka açık mini-SWE-agent referansını geride bırakmıştır. Pratik Çıkarım: Oyun teorisiyle temellendirilmiş ve dış doğrulamayla denetlenen mimariler, karmaşık yazılım geliştirme ve otonom hata onarımında başarı oranını somut biçimde artırır.

[Orijinal kaynağa buradan ulaşabilirsiniz.](https://huggingface.co/papers/2609.02750)

Bu konuyu derinlemesine öğrenmek isterseniz: Production'da Agent Güvenilirliği modülüne göz atın.