Agenti che imparano: un approccio soft actor-critic
19 mag 2026 — 08:00 - 08:30Stage 4
Already registered? Log in now to personalize your experience!

Description
In occasione dell'AI Week 2026, presenteremo una architettura per sistemi agentici autonomi, adattabili e orientati all'apprendimento continuo.
Il cuore della soluzione separa il ragionamento dall'esecuzione: un primo sistema multi-agente fatto da "Attori" e "Critici" collaborano in modalità avversariale alla redazione della strategia d'azione, attingendo anche allo storico delle esecuzioni passate, mentre una secondo sistema multi-agente, organizzato gerarchicamente, è responsabile dell'esecuzione e della messa a terra tramite agenti specializzati e funzioni operative, dette "Tools".
Il sistema implementa il paradigma di Reinforcement Learning, in cui agenti valutatori confrontano il risultato generato con le attese dell'utente, alimentando una memoria globale e personalizzata che garantisce un miglioramento costante delle performance e la non ripetizione degli errori.
L'infrastruttura, portabile on-premise, garantisce la totale sovranità e sicurezza dei dati, vantando un design modulare e "LLM-agnostic" che elimina il rischio di vendor lock-in. Infine, l'architettura multi-agente assicura la massima spiegabilità e trasparenza dei processi decisionali, permettendo alla soluzione di crescere ed evolversi in stretta collaborazione con gli utilizzatori finali tramite il co-design.


