# UA-ChatDev: Uncertainty-Aware Multi-Agent Collaboration for Reliable Software Development
> Ficha editorial pública de Research IA. Estado: Lectura primaria completa. La interpretación editorial no sustituye la fuente primaria.

- Página canónica: https://luiseduardodemiguel.com/research-ia/papers/ua-chatdev-uncertainty-aware-multi-agent-collaboration-for-reliable-soft
- Fuente primaria: https://arxiv.org/html/2607.02186v1
- Versión leída: v1
- Fuente comprobada: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente
- Autores: Temitayo Olamilekan Ogunsusi, Lijun Qian, Xishuang Dong
- Fecha del corte: 2 JULIO 2026.
- Área: AGENTES · RAG · CODING
- Recurso MCP exacto: research://paper/ua-chatdev-uncertainty-aware-multi-agent-collaboration-for-reliable-soft

## Estado de uso de imagen

- Estado: NO REPRODUCIDA
- Decisión editorial: La ficha no incrusta una figura primaria porque su licencia o permiso específico no consta en el registro editorial. La fuente permanece enlazada para comprobarla.
- [Comprobar fuente primaria](https://arxiv.org/html/2607.02186v1)

## Tesis y contexto

Framework multiagente de desarrollo software que mide incertidumbre token-level en outputs intermedios y activa verificación RAG cuando supera umbrales calibrados por fase. Mejora completitud, ejecutabilidad, consistencia y calidad en SRDD.

- Problema: Errores tempranos se propagan entre agentes como si todos los outputs fueran fiables.
- Por qué importa: Los equipos de agentes necesitan control de confianza entre roles.

## Evidencia reportada

- **reported-result**: As shown in Table I , the results demonstrate that UA-ChatDev consistently outperforms existing agent-based software development systems on the SRDD benchmark across all evaluation metrics. [localizador](https://arxiv.org/html/2607.02186#S3)
- **reported-result**: Compared with SOTA models including GPT-Engineer, MetaGPT, and ChatDev, UA-ChatDev (ours) achieves the highest Overall Quality (Q), reaching 0.649 with Qwen 2.5 and 0.596 with Gemma 2, compared with 0.395 for ChatDev. [localizador](https://arxiv.org/html/2607.02186#S3)
- **reported-result**: This improvement indicates that incorporating the uncertainty quantification mechanism into agent collaboration substantially enhances the reliability of LLM-based software generation. [localizador](https://arxiv.org/html/2607.02186#S3)
- **reported-result**: Moreover, UA-ChatDev (ours) achieves significant improvements in other metrics, including Completeness (C), Executability (E), and Consistency (K), highlighting the effectiveness of uncertainty-guided interaction. [localizador](https://arxiv.org/html/2607.02186#S3)

## Lectura y límite

- Método: La lectura de Methodology describe la intervención y su construcción: We introduce UA-ChatDev, a reliable framework that extends the ChatDev pipeline [ 10 ] by incorporating uncertainty quantification into agent interactions across subtasks. Unlike conventional approaches that treat LLM-generated responses with uniform confidence, UA-ChatDev introduces an uncertainty module that intercepts agent communications between subtasks, estimates the response uncertainty based on the model’s token-level log probabilities, compares the resulting uncertainty score against a calibrated phase-specific threshold, and triggers external knowledge retrieval when the response is considered…
- Límite: La lectura primaria permite comprobar método y resultados en el HTML, pero no convierte sus conclusiones en validación independiente. La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experiments.
- Confianza editorial: Media
- Limitación: El cierre de la fuente señala: In the future, we plan to explore selective retrieval strategies that fetch concise summaries rather than full document snippets, which potentially reduces the token overhead of triggered interventions without sacrificing the quality benefit. Second, per-phase uncertainty budgeting would allow the framework to concentrate retrieval in the phases, such as Code Review and Testing, where it yields the greatest return, rather than applying a uniform policy…
- Limitación: La ficha no demuestra transferencia fuera de los datasets, modelos, herramientas y condiciones descritos en Experiments.

## Base de la confianza editorial

> Juicio editorial sobre la transferibilidad de esta lectura; no mide calidad académica ni efecto local.

| Criterio | Estado | Base observable |
|---|---|---|
| FUENTE PRIMARIA | DOCUMENTADO | Lectura primaria completa registrada sobre v1; comprobación: 2026-08-19 · lectura primaria completa; extracción editorial automatizada, revisión humana pendiente. |
| RÉPLICA LOCAL | PENDIENTE | No se ha registrado una réplica independiente en este sitio. El código o los datos enlazados, cuando existen, no cuentan como réplica. |
| LÍMITES | DOCUMENTADO | 3 límites declarados en la ficha. |
| APLICABILIDAD | ACOTADO | Hay una prueba de transferencia con entrada, métrica y parada; su resultado local todavía no se ha observado. |

- Regla editorial: Los criterios no se promedian automáticamente. Una fuente leída, un límite claro o un protocolo propuesto no equivalen a una réplica ni a un resultado local.

## Localizadores de evidencia
- [Fuente primaria · canonical](https://arxiv.org/html/2607.02186v1): tipo abstract
- [HTML · lectura completa](https://arxiv.org/html/2607.02186): tipo abstract
- [Método · Methodology](https://arxiv.org/html/2607.02186#S2): tipo section
- [Evaluación · Experiments](https://arxiv.org/html/2607.02186#S3): tipo section
- [Cierre · Conclusion and Future Work](https://arxiv.org/html/2607.02186#S5): tipo section
- [HTML · fuente navegable](https://arxiv.org/abs/2607.02186v1): tipo abstract

## Próxima prueba

- ¿La propuesta mejora agentes de software frente a la línea base actual?
- Métrica: Comparar la métrica principal de la fuente junto con calidad, coste, latencia y tasa de errores.
- Regla de parada: Parar si no aparece una mejora reproducible o si aumenta el riesgo, la complejidad o el coste sin compensación.

## Recursos reproducibles
- [the following issues](https://github.com/arXiv/html_feedback/issues)
- [list of packages that need conversion](https://github.com/brucemiller/LaTeXML/wiki/Porting-LaTeX-packages-for-LaTeXML)
- [developer contributions](https://github.com/brucemiller/LaTeXML/issues)

## Enlaces relacionados

- [VAKRA](https://luiseduardodemiguel.com/research-ia/markdown/papers/vakra)
- [The Devil Is in the Interface](https://luiseduardodemiguel.com/research-ia/markdown/papers/devil-interface)
- [SkillSentry](https://luiseduardodemiguel.com/research-ia/markdown/papers/skillsentry)