TodyComm: task-oriented dynamic communication for multi-round LLM-based multi-agent systems

Multi-round large language model–based multi-agent systems rely on effective communication structures to support coordination across successive inter- action rounds. In many existing approaches, the communication topology is fixed during inference, which limits their applicability in realistic scenarios where agent roles, adversarial behavior, or resource constraints may change over time. This thesis investigates dynamic communication strategies for multi-round multi- agent systems, with the goal of improving task performance and robustness in such settings. To this end, we propose TodyComm, a task-oriented dynamic communication al- gorithm that adapts the communication topology at each round based on agents’ observed behavior. The communication structure is learned using policy gradient methods to optimize task utility under changing conditions. Experimental results on five benchmark environments show that the proposed ap- proach improves task effectiveness under both dynamic adversarial settings and varying communication budgets. At the same time, TodyComm maintains token efficiency and scalability, demonstrating that adaptive communication can provide practical benefits for large-scale multi-agent systems

Nei sistemi multi-agente, basati su Large Language Models (LLMs), che operano su più round di interazione per risolvere problemi, è fondamentale trovare strutture di comunicazione efficaci per supportare il coordinamento tra gli agenti nel corso delle varie fasi di interazione. In molti approcci esistenti, la topologia di tali comunicazioni rimane fissa durante l’inferenza, limitandone l’applicabilità di tali approcci in scenari realistici, in cui i ruoli degli agenti, la presenza di comportamenti avversari o i vincoli sulle risorse possono variare nel tempo. Questa tesi studia strategie di comunicazione dinamica per sistemi multi-agente a più round, con l’obiettivo di migliorare le prestazioni e la robustezza del sistema in tali contesti. A questo scopo, proponiamo TodyComm, un algoritmo di comunicazione dinamica, che adatta la topologia di comunicazione a ogni round sulla base del comportamento osservato degli agenti. La struttura di comunicazione viene appresa mediante metodi di policy gradient, al fine di ottimizzare la soluzione proposta dal sistema in condizioni variabili. I risultati sperimentali ottenuti su cinque benchmark mostrano che l’approccio proposto migliora l’efficacia del sistema sia in scenari con avversari dinamici, sia in presenza di budget di comunicazione variabili. Allo stesso tempo, TodyComm mantiene un’elevata efficienza nell’utilizzo dei token e una buona scalabilità, dimostrando che la comunicazione adattiva può offrire vantaggi concreti per sistemi multi-agente di grandi dimensioni.