Sistemas Multi-Agente Recursivos para Tareas Complejas | Cómo agentes de IA pueden crear dinámicamente otros agentes para resolver problemas | Framework de recursividad agéntica para escalabilidad de razonamiento

Abstract

PROBLEMA: Las arquitecturas de agentes actuales suelen ser estáticas y con jerarquías fijas, lo que limita su capacidad para abordar problemas de complejidad arbitraria o sub-tareas imprevistas sin intervención humana. SOLUCIÓN: El paper introduce el concepto de Sistemas Multi-Agente Recursivos (RMAS), donde los agentes tienen la capacidad de instanciar y supervisar de forma recursiva nuevos sistemas de agentes para resolver sub-problemas específicos. METODOLOGÍA: Se propone un framework formal para la creación, comunicación y terminación de agentes hijos basada en la densidad de la tarea y la incertidumbre del agente padre, evaluando el desempeño en benchmarks de razonamiento complejo. RESULTADOS: Los RMAS demuestran una mejora sustancial en la tasa de éxito de tareas largas y complejas frente a sistemas monolíticos o jerarquías estáticas, mostrando una adaptatibilidad dinámica superior. RELEVANCIA: Este enfoque es fundamental para el desarrollo de sistemas agénticos de nivel superior que autogestionan su propia infraestructura de razonamiento.