Los investigadores proponen SolarChain-Eval, un benchmark con restricciones físicas diseñado para evaluar la confiabilidad de agentes económicos autónomos en mercados de energía descentralizados. El marco formula la gobernanza del mercado como un Proceso de Decisión de Markov compatible con Gymnasium donde los agentes toman decisiones por hora, evaluando políticas a través de dimensiones como la utilidad del mercado, la seguridad física y la equidad espacial.
- Incorpora una capa de Planificador/Auditor basada en LLM que define los límites de acción y revisa las acciones de alto riesgo.
- Registra todas las intervenciones a través de registros estructurados que incluyen señales de activación y razones de auditoría.
- Los experimentos con políticas RL y RL+LLM revelan un claro compromiso entre utilidad y seguridad.
- Eliminar las penalizaciones físicas permite que los agentes que maximizan la recompensa exploten datos de generación no válidos.
El estudio indica que la evaluación confiable de IA agéntica requiere tanto restricciones físicas como trazas de intervención transparentes, con los datos y el código publicados como acceso abierto en GitHub.