Une étude de Google DeepMind analyse un marché décentralisé dans lequel plusieurs agents IA enchérissent pour répondre aux demandes des utilisateurs. Selon les chercheurs, les enchères au premier prix ont atteint 99,2 % du niveau de performance d’un répartiteur omniscient sur le jeu de données EmbedLLM. Cette efficacité repose notamment sur la concurrence entre des modèles aux performances proches et sur une faible corrélation entre la valeur attribuée à une demande par chaque agent. Le travail établit aussi une borne théorique de coût de l’anarchie d’environ 86,5 %, contre environ 63 % dans le cas général des enchères au premier prix. Les résultats restent however limités à un seul jeu de données, à un équilibre typique et à une structure de concurrence qui pourrait s’affaiblir si le marché des modèles se concentrait autour de quelques acteurs dominants.
Source: Lire l’article original
