Resumo Técnico: Aprender a Escolher: Um Sistema Multi-Agente Guiado por Empoderamento com Comunicação Semântica para Seleção Adaptativa de Métodos

1. Declaração do Problema

A automação de fluxos de trabalho de computação científica, particularmente para Análise de Sensibilidade (SA) e Quantificação de Incerteza (UQ), enfrenta um desafio crítico além da mera geração de código: o problema de seleção-para-execução. Em pipelines multi-agente, uma política deve selecionar um método computacional apropriado de uma biblioteca, mas essa seleção é frágil. Pequenas inconsistências entre intenções e ações dos agentes podem levar a um desvio semântico, onde o código executado diverge do método inicialmente selecionado.

Esse desvio cria um "desacoplamento causal": o sinal de recompensa observado pelo agente de aprendizado mede a qualidade do código executado em vez da qualidade do método selecionado. Consequentemente, a política de bandito contextual recebe um sinal de aprendizado corrompido, degradando a convergência e impedindo que o sistema atribua confiavelmente os resultados a decisões específicas. O problema central é garantir que o elo causal entre uma ação escolhida (seleção de método) e o resultado resultante permaneça intacto ao longo de todo o pipeline multi-agente.

2. Metodologia

A estrutura proposta aborda isso integrando banditos contextuais com comunicação inter-agente estruturada e pontos de verificação semânticos, interpretados através da lente do empoderamento.

2.1 Fundamentação Teórica: Empoderamento do Sistema

Baseando-se no conceito de empoderamento [15, 45], os autores definem Empoderamento do Sistema como a informação mútua $I(A; O | s)$ entre o espaço de ações (seleção de método) e o resultado computacional. Alto empoderamento requer dois mecanismos distintos:

1. Componente Estatístico: Uma política que identifica quais ações produzem causalmente resultados de alta qualidade para um determinado contexto de problema.
2. Componente Comunicativo: Garantias explícitas de que a ação selecionada seja fielmente preservada à medida que se propaga pela geração e execução de código.

A estrutura postula que, sem o componente comunicativo, o desvio semântico reduz a informação mútua a zero, tornando o sistema incontrolável, independentemente da qualidade da política.

2.2 Arquitetura Multi-Agente

O sistema é organizado em quatro grupos funcionais operando dentro de um loop de bandito contextual:

• Equipe de Conceitualização: Extrai uma representação estruturada do problema (vetor de contexto $x$) das solicitações do usuário, incluindo dimensionalidade, orçamento e tipo de tarefa (SA ou UQ).
• Equipe de Estratégia (Operador de Política $\pi$): Seleciona a próxima ação de método $A_n$ com base no contexto e no histórico. Inclui um Estrategista (proposta), Crítico (validação) e Assessor (prescrição de hiperparâmetros).
• Equipe de Implementação (Operador $I$): Traduz ações abstratas em código executável usando um corpus fundamentado (UQpy). Inclui um Agente de Estudo (planejamento), Agente de Refatoração (geração de código) e Inspetor (verificação estrutural).
• Execução e Avaliação (Operadores $E$ e $A$): Executa o código e avalia os resultados. O Assessor (um agente multimodal) analisa resultados numéricos e gráficos para atribuir uma recompensa escalar $R_n$ e um relatório de diagnóstico.

2.3 Pontos de Verificação Semânticos e Esquemas Estruturados

Para prevenir o desvio semântico, o sistema substitui a comunicação em texto livre por esquemas estruturados (ProblemScheme, MethodScheme, DiagnosticScheme) e implementa sete pontos de verificação de similaridade cosseno (CP0–CP7) em limites críticos entre agentes.

• Mecanismo: Cada ponto de verificação compara a incorporação semântica da saída de um agente a montante com a entrada do agente a jusante (ou saída esperada). Se a similaridade cair abaixo de um limite adaptativo, a transição é bloqueada ou um aviso é emitido.
• Pontos de Verificação Chave:
  • CP0 (Cross-session): Compara o problema atual contra um arquivo de sessões passadas para detectar anomalias. Dispara "início quente" (exploração reduzida) para problemas familiares ou "exploração dirigida a anomalias" para problemas novos.
  • CP1 e CP2 (Camada de Seleção): Verificam se a solicitação do usuário foi corretamente analisada em um vetor de contexto e se o método proposto é contextualmente compatível.
  • CP3, CP4, CP5 (Camada de Implementação): Verificam se o plano de implementação e o código montado refletem fielmente o método selecionado antes da execução. O CP5 verifica especificamente a coerência do código contra o relatório de estratégia.
  • CP6 e CP7 (Camada de Avaliação): Garantem que o diagnóstico esteja fundamentado em observações reais e que a diversidade de ações seja mantida para evitar o colapso da política.

2.4 Dinâmica de Aprendizado

O sistema emprega uma condição de convergência de submartingala, exigindo que a recompensa esperada na próxima iteração seja pelo menos tão grande quanto a atual ($E[R_{n+1} | H_n] \ge R_n$). Isso fornece um critério verificável em tempo de execução para melhoria monotônica. A política é atualizada online usando Amostragem de Thompson, e o conhecimento entre sessões é acumulado via uma memória geométrica de sucessos passados.

3. Contribuições Principais

1. Estrutura Guiada por Empoderamento: Uma interpretação novel da automação científica multi-agente como um problema de maximização de empoderamento, separando explicitamente o aprendizado estatístico (política) da integridade comunicativa (propagação).
2. Mecanismo de Pontos de Verificação Semânticos: A introdução de uma hierarquia de pontos de verificação de similaridade cosseno que detectam e corrigem o desvio semântico antes que corrompa o sinal de aprendizado. Diferente de projetos curados por especialistas (como ATHENA), esses pontos de verificação são agnósticos ao método e estruturais.
3. Comunicação Inter-Agente Estruturada: O uso de esquemas legíveis por máquina (Problema, Método, Diagnóstico) para eliminar ambiguidade nas transferências entre agentes.
4. Estratégia Adaptativa de Exploração: Um ponto de verificação de contexto entre sessões (CP0) que ajusta dinamicamente a exploração com base se um problema é familiar (início quente) ou anômalo (maximizar variabilidade).

4. Resultados Experimentais

A estrutura foi avaliada em tarefas de SA e UQ usando a biblioteca UQpy, incluindo a função Ishigami, funções G de Sobol e problemas de triagem de alta dimensionalidade.

• Ablação de Pontos de Verificação (Desvio Semântico): Em cenários adversariais onde a equipe de implementação foi instruída a substituir métodos (por exemplo, selecionar Sobol mas implementar Chatterjee), sistemas sem pontos de verificação produziram incompatibilidades ação-código em 2/3 das execuções. O sinal de recompensa foi atribuído ao método errado, corrompendo a política. Com pontos de verificação ativos, a fidelidade foi preservada e o desvio foi bloqueado antes da execução.
• Robustez Adversarial (Troca de Método): Quando um desvio de "troca de método" foi artificialmente injetado no relatório de estratégia, o sistema abladado (sem CP5) falhou em detectar o erro, executando o método errado e exigindo três iterações adicionais para recuperar. O sistema completo (com CP5) detectou a incompatibilidade semântica, disparou uma correção e convergiu em uma única iteração com uma melhoria de recompensa de ~88 pontos.
• Acúmulo de Conhecimento entre Sessões: Em uma função Sobol de 15 dimensões, o sistema demonstrou melhoria monotônica nas melhores recompensas através de três sessões independentes (64,2 $\to$ 68,8 $\to$ 75,5). A política transferiu com sucesso o conhecimento, selecionando configurações Sobol de alto orçamento mais cedo em sessões subsequentes.
• Detecção de Anomalias: O CP0 distinguiu com sucesso entre um problema familiar de viga em balanço (exploração reduzida, convergência imediata) e um novo modelo de difusão térmica (exploração aumentada, estratégia de triagem primeiro), prevenindo a aplicação de heurísticas inadequadas a estruturas de problemas novas.

5. Significado e Alegações

O artigo alega que a tomada de decisão adaptativa em sistemas multi-agentes científicos deve ser acoplada a mecanismos explícitos que garantam consistência semântica.

• Princípio Geral de Design: Os autores argumentam que confiar apenas na injeção de conhecimento especializado (andaimes) é insuficiente para pipelines agnósticos ao método. Em vez disso, complementos estruturais como pontos de verificação semânticos são necessários para preservar a integridade do elo ação-resultado.
• Atribuição Causal: A estrutura garante que a relação causal entre métodos selecionados e resultados observados seja mantida, permitindo que o bandito contextual aprenda qualidades válidas de métodos em vez de artefatos de execução de código.
• Escalabilidade e Robustez: Ao desacoplar a política de seleção dos detalhes de implementação via pontos de verificação, o sistema alcança robustez contra alucinações e desvio semântico, permitindo a automação confiável de fluxos de trabalho científicos complexos sem exigir a pré-especificação exaustiva de cada possível modo de falha.

O trabalho posiciona-se como uma abordagem complementar a estruturas como ATHENA e GRAFT-ATHENA: enquanto aquelas dependem de grafos de conhecimento persistentes e curados por especialistas, esta estrutura foca em preservar a integridade semântica da propagação de ações dentro de uma única trajetória de execução através de verificação estrutural.