Dalla Comunicazione al Completamento: Modellazione di Flussi di Lavoro Collaborativi con Comunicazione Intelligente Multi-Agente

Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication

October 22, 2025

Autori: Yiming Lu, Xun Wang, Simin Ma, Shujian Liu, Sathish Reddy Indurthi, Song Wang, Haoyun Deng, Fei Liu, Kaiqiang Song

cs.AI

Abstract

Il lavoro di squadra negli ambienti di lavoro per compiti complessi richiede strategie di comunicazione diversificate, ma gli attuali sistemi multi-agente basati su LLM mancano di framework sistematici per la comunicazione orientata al compito. Introduciamo Communication to Completion (C2C), un framework scalabile che colma questa lacuna attraverso due innovazioni chiave: (1) l'Alignment Factor (AF), una nuova metrica che quantifica l'allineamento degli agenti al compito e che influisce direttamente sull'efficienza lavorativa, e (2) un Sequential Action Framework che integra l'esecuzione graduale con decisioni di comunicazione intelligenti. C2C consente agli agenti di compiere scelte comunicative consapevoli dei costi, migliorando dinamicamente la comprensione del compito attraverso interazioni mirate. Abbiamo valutato C2C su flussi di lavoro di codifica realistici su tre livelli di complessità e dimensioni del team da 5 a 17 agenti, confrontandolo con baseline senza comunicazione e a passi fissi. I risultati mostrano che C2C riduce il tempo di completamento del compito di circa il 40% con costi di comunicazione accettabili. Il framework completa con successo tutti i compiti nelle configurazioni standard e mantiene la sua efficacia su larga scala. C2C stabilisce sia una base teorica per misurare l'efficacia della comunicazione nei sistemi multi-agente, sia un framework pratico per compiti collaborativi complessi.

English

Teamwork in workspace for complex tasks requires diverse communication strategies, but current multi-agent LLM systems lack systematic frameworks for task oriented communication. We introduce Communication to Completion (C2C), a scalable framework that addresses this gap through two key innovations: (1) the Alignment Factor (AF), a novel metric quantifying agent task alignment that directly impacts work efficiency, and (2) a Sequential Action Framework that integrates stepwise execution with intelligent communication decisions. C2C enables agents to make cost aware communication choices, dynamically improving task understanding through targeted interactions. We evaluated C2C on realistic coding workflows across three complexity tiers and team sizes from 5 to 17 agents, comparing against no communication and fixed steps baselines. The results show that C2C reduces the task completion time by about 40% with acceptable communication costs. The framework completes all tasks successfully in standard configurations and maintains effectiveness at scale. C2C establishes both a theoretical foundation for measuring communication effectiveness in multi-agent systems and a practical framework for complex collaborative tasks.