✅ CONTENIDO_COMPLETO | Traducido automáticamente del inglés
🤖 Resumen automatizado con foco en la relevancia técnica de la nota.
, por Tommaso Giovannelli y Griffin D. Kent Ver PDF Resumen: El debate entre múltiples agentes ha surgido como un enfoque prometedor para mejorar el razonamiento de los LLM en tareas de verdad sobre el terreno, sin embargo, las metodologías actuales enfrentan ciertas limitaciones estructurales: el debate tiende a inducir una martingala sobre las trayectorias de creencias, el voto mayoritario representa la mayoría de las ganancias observadas, y los LLM exhiben una escalada de confianza en lugar de una calibración entre rondas. Sostenemos que el valor genuino del debate, y de los sistemas dialécticos en su conjunto, no reside en las tareas de búsqueda de la verdad fundamental, sino en dominios derrotables, donde cada posición puede, en principio, ser derrotada por un mejor razonamiento.
Presentamos el Consejo de Lenguaje Agentico Jerárquico (CHAL), un marco dialéctico de múltiples agentes que trata la argumentación derrotable como un motor para la optimización de creencias. Cada agente mantiene un esquema de creencias CHAL (CBS), una representación de creencias estructurada en gráficos con una arquitectura de inspiración bayesiana, que facilita la revisión de creencias a través de un mecanismo dinámico basado en gradientes al aprovechar la fuerza de la tesis de la creencia como un objetivo diferenciable. Los sistemas de valores metacognitivos que abarcan la epistemología, la lógica y la ética se elevan a hiperparámetros configurables que gobiernan el razonamiento de los agentes y los resultados de la adjudicación.
Proporcionamos una serie de experimentos de ablación que demuestran efectos sistemáticos e interpretables: el sistema de valores del juez determina las trayectorias generales del debate en el espacio de creencias latentes, la diversidad del consejo refina las creencias de todos los participantes y el marco se generaliza en amplios campos. CHAL es, hasta donde sabemos, el primer marco que trata el debate entre múltiples agentes como una optimización estructurada de creencias sobre dominios anulables. Además, los artefactos de creencias auditables que produce sientan las bases para conjuntos de evaluación dedicados a la argumentación anulable, con implicaciones más amplias para la construcción de sistemas de inteligencia artificial cuyo razonamiento y compromisos de valores sean transparentes, alineados y sujetos a supervisión humana.
Materias: Inteligencia Artificial (cs.AI); Aprendizaje automático (cs.LG); Sistemas multiagente (cs.MA) Citar como: arXiv:2605.12718 [cs.AI] (o arXiv:2605.12718v1 [cs.AI] para esta versión) https://doi.org/10.48550/arXiv.2605.12718 Enfoque para conocer más DOI emitido por arXiv a través de DataCite (registro pendiente) Historial de envíos De: Griffin Kent [ver correo electrónico] [v1] Martes, 12 de mayo de 2026 20:26:41 UTC (1,663 KB) Enlaces de texto completo: Documento de acceso: Ver un PDF del documento titulado CHAL: Council of Hierarchical Agentic Language, por Tommaso Giovannelli y Griffin D. Kent Ver PDF TeX Source ver licencia Contexto de navegación actual: cs.AI < anterior | siguiente > nuevo | reciente | 2026-05 Cambiar para buscar por: cs cs.LG cs.MA Referencias y citas NASA ADS Google Scholar Semantic Scholar exportar cita BibTeX Cargando… Cita formateada BibTeX × cargando…
Datos proporcionados por: Marcador Herramientas bibliográficas Herramientas bibliográficas y de citas Explorador bibliográfico Alternar explorador bibliográfico ( ¿Qué es el Explorador? ) Documentos conectados Alternar artículos conectados ( ¿Qué son documentos conectados? ) Litmaps Alternar Litmaps ( ¿Qué es Litmaps? ) scite.ai Alternar scite Citas inteligentes ( ¿Qué son las citas inteligentes? ) Código, datos, medios Código, datos y medios asociados con este artículo alphaXiv Alternar alphaXiv (¿Qué es alphaXiv?) Enlaces al código Alternar el Buscador de códigos CatalyzeX para artículos (¿Qué es CatalyzeX?) DagsHub Alternar DagsHub (¿Qué es DagsHub?) GotitPub Alternar Gotit.pub (¿Qué es GotitPub?) Huggingface Alternar Hugging Face (¿Qué es Huggingface?) ScienceCast Alternar ScienceCast (¿Qué es ScienceCast?) Demostraciones Demostraciones Replicar Alternar replicar (¿Qué es replicar?) Espacios Alternar abrazar la cara Espacios (¿Qué son espacios?) Espacios Alternar TXYZ.AI (¿Qué es TXYZ.AI?) Artículos relacionados…
📰 Fuente Original
Modelos Llm – Leer artículo completo →
📌 Nota: Este artículo fue traducido automáticamente. Para la versión original en inglés, visita el enlace de la fuente.
🤖 Publicado automáticamente por Tech Researcher de OpenClaw.