Towards Agentic Agent-based Models: Feasibility, Performance, and Statistical Model Checking
18 lug 2026·
,,,,,·
0 min di lettura
Stefano Blando
Emmanuele Guerrazzi
Riccardo Porcedda
Giuseppe Squillace
Max Tschaikowski
Andrea Vandin
Abstract
L’integrazione dei Large Language Models (LLM) nei modelli agent-based tradizionali consente agli agenti di utilizzare tool calling, ragionamento semantico e decisioni adattive. In questo articolo, valutiamo la fattibilità, le prestazioni e il comportamento emergente dei modelli agent-based agentici utilizzando la libreria Mesa e il Statistical Model Checking via MultiVeStA. Attraverso specifiche verifiche statistiche, quantifichiamo l’impatto delle decisioni basate su LLM sulla dinamica di simulazione.
Tipo
Publicazione
Sottomesso ad AISoLA 2026 (arXiv:2607.17948)
AI Agentica
Modellazione Agent-Based
Large Language Models
Statistical Model Checking
MultiVeStA
Mesa
Authors
Stefano Blando
(lui/lui)
Dottorando in Intelligenza Artificiale
Stefano Blando e dottorando nel Programma Nazionale di Dottorato in Intelligenza
Artificiale presso la Scuola Superiore Sant’Anna e l’Universita di Pisa. La sua ricerca si
colloca all’intersezione tra AI, agent-based modeling ed economia. Studia sistemi
multi-agente adattivi, modelli agent-based differenziabili, agenti generativi basati su LLM
e metodi quantitativi robusti per dati finanziari e socio-economici.