Resumen Técnico: Aprender a Elegir: Un Sistema Multiagente Guiado por Empoderamiento con Comunicación Semántica para la Selección Adaptativa de Métodos

1. Declaración del Problema

La automatización de flujos de trabajo de computación científica, particularmente para el Análisis de Sensibilidad (SA) y la Cuantificación de Incertidumbre (UQ), enfrenta un desafío crítico más allá de la mera generación de código: el problema de selección-ejecución. En las tuberías multiagente, una política debe seleccionar un método computacional apropiado de una biblioteca, pero esta selección es frágil. Pequeñas inconsistencias entre las intenciones y las acciones de los agentes pueden conducir a una deriva semántica, donde el código ejecutado se desvía del método seleccionado inicialmente.

Esta deriva crea un "desacoplamiento causal": la señal de recompensa observada por el agente de aprendizaje mide la calidad del código ejecutado en lugar de la calidad del método seleccionado. En consecuencia, la política de bandito contextual recibe una señal de aprendizaje corrupta, degradando la convergencia y evitando que el sistema atribuya confiablemente los resultados a decisiones específicas. El problema central es asegurar que el vínculo causal entre una acción elegida (selección de método) y el resultado resultante permanezca intacto a lo largo de la tubería multiagente.

2. Metodología

El marco propuesto aborda esto integrando banditos contextuales con comunicación interagente estructurada y puntos de control semánticos, interpretados a través de la lente del empoderamiento.

2.1 Fundamento Teórico: Empoderamiento del Sistema

Basándose en el concepto de empoderamiento [15, 45], los autores definen el Empoderamiento del Sistema como la información mutua $I(A; O | s)$ entre el espacio de acciones (selección de método) y el resultado computacional. Un alto empoderamiento requiere dos mecanismos distintos:

1. Componente Estadístico: Una política que identifica qué acciones producen causalmente resultados de alta calidad para un contexto de problema dado.
2. Componente Comunicativo: Garantías explícitas de que la acción seleccionada se preserva fielmente a medida que se propaga a través de la generación y ejecución de código.

El marco postula que sin el componente comunicativo, la deriva semántica reduce la información mutua a cero, haciendo que el sistema sea incontrolable independientemente de la calidad de la política.

2.2 Arquitectura Multiagente

El sistema se organiza en cuatro grupos funcionales que operan dentro de un bucle de bandito contextual:

• Equipo de Conceptualización: Extrae una representación de problema estructurada (vector de contexto $x$) de las solicitudes del usuario, incluyendo dimensionalidad, presupuesto y tipo de tarea (SA o UQ).
• Equipo de Estrategia (Operador de Política $\pi$): Selecciona la siguiente acción de método $A_n$ basada en el contexto y el historial. Incluye un Estratega (propuesta), un Crítico (validación) y un Asesor (prescripción de hiperparámetros).
• Equipo de Implementación (Operador $I$): Traduce acciones abstractas en código ejecutable utilizando un corpus fundamentado (UQpy). Incluye un Agente de Estudio (planificación), un Agente de Refactorización (generación de código) y un Inspector (verificación estructural).
• Ejecución y Evaluación (Operadores $E$ y $A$): Ejecuta el código y evalúa los resultados. El Asesor (un agente multimodal) analiza los resultados numéricos y los gráficos para asignar una recompensa escalar $R_n$ y un informe de diagnóstico.

2.3 Puntos de Control Semánticos y Esquemas Estructurados

Para prevenir la deriva semántica, el sistema reemplaza la comunicación de texto libre con esquemas estructurados (Esquema de Problema, Esquema de Método, Esquema de Diagnóstico) e implementa siete puntos de control de similitud coseno (CP0–CP7) en límites críticos entre agentes.

• Mecanismo: Cada punto de control compara la incrustación semántica de la salida de un agente aguas arriba con la entrada del agente aguas abajo (o la salida esperada). Si la similitud cae por debajo de un umbral adaptativo, la transición se bloquea o se emite una advertencia.
• Puntos de Control Clave:
  • CP0 (Entre sesiones): Compara el problema actual contra un archivo de sesiones pasadas para detectar anomalías. Activa el "inicio en caliente" (exploración reducida) para problemas familiares o la "exploración dirigida a anomalías" para los novedosos.
  • CP1 y CP2 (Capa de Selección): Verifican que la solicitud del usuario se analice correctamente en un vector de contexto y que el método propuesto sea contextualmente compatible.
  • CP3, CP4, CP5 (Capa de Implementación): Verifican que el plan de implementación y el código ensamblado reflejen fielmente el método seleccionado antes de la ejecución. CP5 verifica específicamente la coherencia del código contra el informe de estrategia.
  • CP6 y CP7 (Capa de Evaluación): Aseguran que el diagnóstico se base en observaciones reales y que se mantenga la diversidad de acciones para prevenir el colapso de la política.

2.4 Dinámica de Aprendizaje

El sistema emplea una condición de convergencia de submartingala, requiriendo que la recompensa esperada en la siguiente iteración sea al menos tan grande como la actual ($E[R_{n+1} | H_n] \ge R_n$). Esto proporciona un criterio verificable en tiempo de ejecución para la mejora monótona. La política se actualiza en línea utilizando Muestreo de Thompson, y el conocimiento entre sesiones se acumula mediante una memoria geométrica de éxitos pasados.

3. Contribuciones Clave

1. Marco Guiado por Empoderamiento: Una interpretación novedosa de la automatización científica multiagente como un problema de maximización de empoderamiento, separando explícitamente el aprendizaje estadístico (política) de la integridad comunicativa (propagación).
2. Mecanismo de Puntos de Control Semánticos: La introducción de una jerarquía de puntos de control de similitud coseno que detectan y corrigen la deriva semántica antes de que corrompa la señal de aprendizaje. A diferencia de los planos curados por expertos (por ejemplo, ATHENA), estos puntos de control son agnósticos al método y estructurales.
3. Comunicación Interagente Estructurada: El uso de esquemas legibles por máquina (Problema, Método, Diagnóstico) para eliminar la ambigüedad en las transferencias entre agentes.
4. Estrategia de Exploración Adaptativa: Un punto de control de contexto entre sesiones (CP0) que ajusta dinámicamente la exploración basándose en si un problema es familiar (inicio en caliente) o anómalo (maximizar variabilidad).

4. Resultados Experimentales

El marco se evaluó en tareas de SA y UQ utilizando la biblioteca UQpy, incluyendo la función Ishigami, las funciones G de Sobol y problemas de cribado de alta dimensionalidad.

• Ablación de Puntos de Control (Deriva Semántica): En escenarios adversarios donde se solicitó al equipo de implementación que sustituyera métodos (por ejemplo, seleccionar Sobol pero implementar Chatterjee), los sistemas sin puntos de control produjeron desajustes acción-código en 2 de cada 3 ejecuciones. La señal de recompensa se atribuyó al método incorrecto, corrompiendo la política. Con los puntos de control activos, se preservó la fidelidad y se bloqueó la deriva antes de la ejecución.
• Robustez Adversarial (Intercambio de Método): Cuando se inyectó artificialmente una deriva de "intercambio de método" en el informe de estrategia, el sistema abladado (sin CP5) no logró detectar el error, ejecutó el método incorrecto y requirió tres iteraciones adicionales para recuperarse. El sistema completo (con CP5) detectó la discrepancia semántica, activó una corrección y convergió en una sola iteración con una mejora de recompensa de ~88 puntos.
• Acumulación de Conocimiento Entre Sesiones: En una función de Sobol de 15 dimensiones, el sistema demostró una mejora monótona en las mejores recompensas a través de tres sesiones independientes (64.2 $\to$ 68.8 $\to$ 75.5). La política transfirió con éxito el conocimiento, seleccionando configuraciones de Sobol de alto presupuesto más temprano en sesiones posteriores.
• Detección de Anomalías: CP0 distinguió con éxito entre un problema familiar de viga en voladizo (exploración reducida, convergencia inmediata) y un nuevo modelo de difusión térmica (exploración aumentada, estrategia de cribado primero), evitando la aplicación de heurísticas inapropiadas a estructuras de problemas novedosas.

5. Significado y Afirmaciones

El artículo afirma que la toma de decisiones adaptativa en sistemas científicos multiagente debe acoplarse con mecanismos explícitos que garanticen la consistencia semántica.

• Principio de Diseño General: Los autores argumentan que confiar únicamente en la inyección de conocimiento experto (andamiaje) es insuficiente para tuberías agnósticas al método. En su lugar, se requieren complementos estructurales como puntos de control semánticos para preservar la integridad del vínculo acción-resultado.
• Atribución Causal: El marco asegura que la relación causal entre los métodos seleccionados y los resultados observados se mantenga, permitiendo que el bandito contextual aprenda calidades de método válidas en lugar de artefactos de ejecución de código.
• Escalabilidad y Robustez: Al desacoplar la política de selección de los detalles de implementación mediante puntos de control, el sistema logra robustez contra alucinaciones y deriva semántica, permitiendo la automatización confiable de flujos de trabajo científicos complejos sin requerir una preespecificación exhaustiva de cada modo de fallo posible.

El trabajo se posiciona como un enfoque complementario a marcos como ATHENA y GRAFT-ATHENA: mientras que estos dependen de grafos de conocimiento persistentes y curados por expertos, este marco se centra en preservar la integridad semántica de la propagación de acciones dentro de una sola trayectoria de ejecución mediante verificación estructural.