Les chercheurs proposent SolarChain-Eval, un benchmark contraint par la physique conçu pour évaluer la fiabilité des agents économiques autonomes dans les marchés de l'énergie décentralisés. Le cadre formalise la gouvernance du marché comme un Processus Décisionnel de Markov compatible avec Gymnasium, où les agents prennent des décisions horaires et évaluent les politiques selon des dimensions telles que l'utilité du marché, la sécurité physique et l'équité spatiale.
- Intègre une couche Planner/Auditor basée sur un LLM qui définit les bornes d'action et examine les actions à haut risque.
- Enregistre toutes les interventions via des journaux structurés incluant les signaux de déclenchement et les justifications d'audit.
- Les expériences avec les politiques RL et RL+LLM révèlent un compromis clair entre utilité et sécurité.
- La suppression des pénalités physiques permet aux agents maximisant la récompense d'exploiter des données de génération invalides.
L'étude indique que l'évaluation fiable des IA agentic nécessite à la fois des contraintes physiques et des traces d'intervention transparentes, les données et le code étant publiés en accès ouvert sur GitHub.