Une étude de l’Université d’Oxford publiée sur arXiv le 4 novembre 2026 montre que les agents fondés sur des grands modèles de langage Coordonnent mal avec des partenaires qu’ils n’ont jamais rencontrés. Même dans des environnements de test minimaux, notamment le jeu de signaux Chat et Chien, ces agents ont sous-performé, notamment en raison d’une compréhension limitée de la coordination et d’une faible capacité à anticiper les croyances de leurs partenaires. Les chercheurs ont observé que des règles communes formulées en langage naturel améliorent la coordination en favorisant des solutions de repli sûres et des conventions cohérentes. Ces définitions favorables à la coordination peuvent aussi être découvertes automatiquement par apprentissage métacognitif, avec des résultats équivalents ou supérieurs à ceux des règles rédigées manuellement. La validité de cette approche dans des situations réelles complexes reste toutefois à démontrer.
Source: Lire l’article original
