Kỹ thuật đồ thị không phải là về nhiều kết nối hơn - mà là về những kết nối nào được sử dụng

Học máy Kỹ thuật đồ thị không phải là về nhiều kết nối hơn - mà là về những kết nối nào được sử dụng Tôi dự kiến sẽ bổ sung thêm nhiều đường dẫn liên lạc giữa các tổng đài viên để thay đổi đáng kể hiệu suất mạng. Nó không. Tìm hiểu lý do tại sao lại trở thành một bài viết hữu ích hơn bài tôi định viết. Emimal P Alexander Ngày 18 tháng 8 năm 2026 đọc 15 phút Chia sẻ Hình ảnh của tác giả, được tạo bằng ChatGPT (DALL·E) TL;DR Bài viết này trình bày cách triển khai hoạt động đầy đủ bằng Python thuần túy, với các số điểm chuẩn thực. Những gì tôi đã làm: xây dựng một thử nghiệm có kiểm soát nhằm tách biệt một biến, mật độ mối quan hệ, khỏi mọi thứ thường bị nhầm lẫn với nó, sử dụng chính sách tác nhân hoàn toàn xác định thay vì gọi mô hình trực tiếp. Điều tôi tìm thấy: nhiều đường dẫn giao tiếp hơn giữa các tác nhân không tự động có nghĩa là hiệu suất đa tác nhân tốt hơn. Quá trình phục hồi vẫn ổn định trong toàn bộ quá trình quét mật độ. Nhưng bản thân các con đường không hề bằng phẳng — khi mật độ tăng lên, mạng lưới sử dụng một phần biên giới mà nó có bị thu hẹp lại. Câu hỏi kỹ thuật hữu ích hơn không chỉ đơn giản là có bao nhiêu kết nối tồn tại. Đó là có bao nhiêu trong số chúng thực sự mang thông tin. Đây không chỉ là một đề xuất mang tính khái niệm. Nó là một hệ thống làm việc với hành vi có thể đo lường được và có thể tái tạo được. Thí nghiệm có thể lặp lại được; số thời gian chỉ được báo cáo khi thực sự được đo. Giả định tôi đã đồng ý Hầu hết mọi người đều cho rằng một hệ thống đa tác nhân bị lỗi sẽ có vấn đề ngay lập tức. Bạn xây dựng một nhóm đặc vụ chuyên biệt, nối họ vào một tấm lưới lỏng lẻo và vận hành đường ống. Thay vì một kết quả hoàn thiện, bạn sẽ nhận được những vòng lặp vô tận, sự trôi dạt bối cảnh và ngân sách mã thông báo bị đốt cháy. Phản ứng tức thời là viết lại lời nhắc của hệ thống hoặc hoán đổi trong LLM lớn hơn. Tôi nghi ngờ thủ phạm thực sự nằm ở cấu trúc: tỷ lệ thực tế của các kênh liên lạc mở giữa các đại lý so với tổng số kênh có thể có. Trong lý thuyết đồ thị, tỷ lệ đó là mật độ mối quan hệ. Đối với đồ thị có hướng có N nút và E cạnh: D = E / (N * (N - 1)) Thực hiện thiết lập 8 tác nhân: bạn có 56 đường dẫn liên lạc được định hướng có thể. Mật độ chỉ đơn giản là mặt số kiểm soát số lượng trong số 56 đường dẫn đó thực sự mở. Tôi muốn xem liệu việc điều chỉnh đòn bẩy cấu trúc duy nhất đó có làm thay đổi căn bản cách thức hoạt động của mạng hay không và liệu kết nối nhiều hơn có thực sự tốt hơn hay không. Lưu ý nhanh về quá trình thiết lập: tất cả dữ liệu bên dưới đều xuất phát trực tiếp từ các lần chạy điểm chuẩn thực thực thi cục bộ (Python 3.12, chỉ dành cho CPU, không có lệnh gọi API bên ngoài nào), trừ khi được ghi chú rõ ràng dưới dạng tính toán giai đoạn thiết kế. Đây là dành cho ai Thiết kế thử nghiệm này đáng để điều chỉnh nếu bạn hiện đang chọn cấu trúc liên kết đa tác nhân theo trực giác: mặc định là lưới được kết nối đầy đủ vì cảm thấy an toàn hơn hoặc xây dựng chuỗi tuyến tính vì dễ theo dõi. Đây cũng là một mẫu vững chắc nếu bạn cần chạy các thử nghiệm có kiểm soát, có thể tái tạo trên kiến ​​trúc tác nhân mà không tiêu tốn ngân sách API của bạn trong mỗi lần lặp lại. Khi nào nên bỏ qua điều này: Nếu bạn chỉ muốn một số mật độ ma thuật duy nhất được đưa vào sản xuất: Các số liệu ở đây được gắn với một nhiệm vụ cụ thể, một nhóm cấu trúc liên kết, bố cục 8 tác nhân và chính sách nhắn tin xác định. Chúng sẽ không sao chép-dán hoàn toàn vào cơ sở mã của bạn và tôi không khẳng định các ngưỡng chính xác này được giữ cho các lần chạy LLM ngẫu nhiên. Nếu nút thắt cổ chai của bạn là hiệu suất của mô hình riêng lẻ: Nếu một tác nhân không thực hiện được tác vụ cơ bản thì các điều chỉnh định tuyến cấu trúc sẽ không cứu được tác nhân đó. Nếu nghiên cứu của bạn yêu cầu tính không xác định của mô hình thực sự: Thiết lập này có chủ ý loại bỏ tính ngẫu nhiên LLM để đảm bảo khả năng tái tạo chính xác trong các lần chạy. Mã hoàn chỉnh và giao thức kiểm tra được chỉ định trước có sẵn trong kho. https://github.com/Emmimal/graph-d mật-engine/ Xây dựng thí nghiệm Hầu hết các so sánh về cấu trúc liên kết mạng đều mắc một sai lầm cơ bản: chúng thay đổi hai biến cùng một lúc. Họ so sánh một chuỗi với một lưới với một biểu đồ được kết nối đầy đủ, điều này sẽ thay đổi cả hình dạng trực quan của mạng và số cạnh thực tế cùng một lúc. Khi hiệu suất thay đổi, không có cách nào để biết liệu nguyên nhân là do mật độ mối quan hệ hay bố cục cụ thể của biểu đồ. Để tách biệt nguyên nhân thực sự, thiết kế này giữ cho mọi yếu tố khác ở trạng thái tĩnh và chỉ xem xét một biến số duy nhất. Đây là đường dẫn, từ đầu đến cuối: Quy trình kiến trúc hệ thống để mô phỏng mạng, nêu bật giao thức định tuyến tác nhân, tích lũy trạng thái chia sẻ và đánh giá chẩn đoán. Hình ảnh của tác giả Kế hoạch kiểm tra đánh giá năm mức mật độ riêng biệt: 20%, 40%, 60%, 80% và 100%. Hệ thống sử dụng số lượng cố định gồm 8 nhân viên trong toàn bộ điểm chuẩn. Mỗi mức mật độ trải qua 10 lần thử nghiệm độc lập, tổng cộng là 50 lần chạy. Mỗi lần chạy đều sử dụng một hạt giống ngẫu nhiên duy nhất, tất cả các hạt giống đều bị khóa trước khi thực hiện bộ thử nghiệm. Thành phần 1: Trình tạo cấu trúc liên kết Họ cấu trúc liên kết mạng bị khóa nghiêm ngặt đối với các đồ thị ngẫu nhiên Erdős–Rényi được kết nối [1]. Các cạnh được lấy mẫu đồng đều một cách ngẫu nhiên cho đến khi đạt được mức mật độ mục tiêu. Mọi mẫu biểu đồ bị ngắt kết nối sẽ ngay lập tức bị từ chối và lấy mẫu lại cho đến khi tồn tại một đường dẫn được kết nối đầy đủ trên tất cả các nút. Quá trình tạo này đại diện cho quy trình xây dựng biểu đồ duy nhất trong toàn bộ dự án. Không có trung tâm ẩn, cấu trúc liên kết sao hoặc quy tắc cấu trúc được điều chỉnh bằng tay nào có thể gây nhầm lẫn một cách lặng lẽ giữa hình dạng biểu đồ với mật độ cạnh thuần túy. Đây là cách so sánh biểu đồ mật độ 20% với biểu đồ mật độ 100% cho cùng một thiết lập 8 tác nhân. Mỗi hàng đại diện cho một tác nhân riêng lẻ và mỗi chỉ báo đánh dấu một đường dẫn liên lạc đi, đang hoạt động tới một nút khác: Ma trận kề so sánh các cấu trúc liên kết mạng thưa thớt (20%) và được kết nối đầy đủ (100%) cho hệ thống 8 tác nhân. Hình ảnh của tác giả def generate_connected_erdos_renyi(num_agents, target_dense, rng, max_attempts=20000): các cạnh = all_possible_directed_edges(num_agents) target_edge_count = vòng(mật độ đích * len(ed