Toward an Organizational Science of Multi-Agent LLM Systems: Decoupling Who, How, and Which Algorithm

Содержание и границы

Вывод работы: Авторы предлагают IMACS (Intelligent Multi-Agent Collaboration System) — фреймворк, разделяющий мультиагентные LLM-системы на три независимо настраиваемых слоя: организацию («кто в команде», операционализированную через роли Белбина), координацию (по Минцбергу, подотчётность через RACI) и протокол сотрудничества (алгоритм, из шести опубликованных алгоритмов за общим интерфейсом). В контролируемых сравнениях, где организационное назначение варьировалось при фиксированном протоколе, размещение подотчётности меняло результат именно тогда, когда протокол передавал итоговый артефакт через ответственного агента, причём «выигрышное» размещение менялось между семействами моделей — то есть организационный дизайн агентной команды нельзя один раз зашить в конфигурацию, его нужно перепроверять или обучать заново для каждой модели. Предложенная адаптивная маршрутизация протокола (контекстный бандит, Adaptive Org Routing) превзошла любой фиксированный протокол в контролируемом исследовании и обучается онлайн на наградах из бенчмарков и LLM-судей.

Объём чтения: abstract_only

transfer_limits: Прочитана только аннотация (reading_scope: abstract_only) — детали постановки контролируемых сравнений и метрик известны лишь в общих чертах; эксперименты проведены на опубликованных бенчмарках и с LLM-судьями, а не на реальных бизнес-процессах компаний; вывод о необходимости «перепроверки для каждой модели» сделан для агентных архитектур, а не для человеческих организаций, хотя авторы явно заимствуют организационную теорию (Белбин, Минцберг, RACI) как источник вдохновения — перенос этой аналогии на людей не проверялся эмпирически в этой работе.

Продолжение: При появлении бюджета — прочитать полный текст (8 стр.) для проверки деталей контролируемых сравнений; мониторить публикацию и цитирования.