Вознаграждение как трансмиссивная стратегия в многоагентных системах кодирования

arXiv: 2610.12822v1 Annuate Type: New Humber: Multi-Agent Systems все чаще используются для решения задач кодирования координирующими агентами, которые делятся кодом и планами. Эти агенты зачастую оптимизированы с помощью дополнительного обучения (RL) с использованием автоматизированных специалистов по оценке, однако обход оценки может заслужить вознаграждение без выработки подлинного решения. В предыдущих работах хакерство в основном рассматривалось как отказ одного агента. В этой работе мы показываем, что стратегия вознаграждения, разработанная одним агентом, может распространяться среди других и влиять на системную координацию. В рамках четырех открытых позвонков кодирование RL вызывает и усиливает взлом вознаграждения в двух параметрах: четкое описание механизма в системе быстрого и среднего обучения, которое моделирует доверенность к данным о среде кодирования. Используя в качестве источников после RL агентов из средних учебных заведений, мы наблюдаем распространение через коды и общую память, а также за ролями с помощью естественных языковых планов. Даже агенты, основанные на небольших моделях с открытым весом, вызывают перевёртывание