論文の概要: DRF: LLM-AGENT Dynamic Reputation Filtering Framework

• arxiv url: http://arxiv.org/abs/2509.05764v1
• Date: Sat, 06 Sep 2025 16:29:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.697196
• Title: DRF: LLM-AGENT Dynamic Reputation Filtering Framework
• Title（参考訳）: DRF: LLM-AGENT Dynamic Reputation Filtering Framework
• Authors: Yuwei Lou, Hao Hu, Shaocong Ma, Zongfei Zhang, Liang Wang, Jidong Ge, Xianping Tao,
• Abstract要約: DRFは動的評価フィルタリングフレームワークである。 DRFは対話型レーティングネットワークを構築し、エージェントのパフォーマンスを定量化する。 また、エージェントの誠実さと能力を測定するための評価スコアリング機構も設計している。
• 参考スコア（独自算出の注目度）: 12.82278004124361
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the evolution of generative AI, multi - agent systems leveraging large - language models(LLMs) have emerged as a powerful tool for complex tasks. However, these systems face challenges in quantifying agent performance and lack mechanisms to assess agent credibility. To address these issues, we introduce DRF, a dynamic reputation filtering framework. DRF constructs an interactive rating network to quantify agent performance, designs a reputation scoring mechanism to measure agent honesty and capability, and integrates an Upper Confidence Bound - based strategy to enhance agent selection efficiency. Experiments show that DRF significantly improves task completion quality and collaboration efficiency in logical reasoning and code - generation tasks, offering a new approach for multi - agent systems to handle large - scale tasks.
• Abstract（参考訳）: 生成AIの進化に伴い、大規模言語モデル(LLM)を活用したマルチエージェントシステムが、複雑なタスクのための強力なツールとして登場した。 しかし、これらのシステムはエージェントの性能を定量化し、エージェントの信頼性を評価するメカニズムを欠いている。 これらの問題に対処するために,動的評価フィルタリングフレームワーク DRF を導入する。 DRFはエージェントのパフォーマンスを定量化するための対話型レーティングネットワークを構築し、エージェントの誠実さと能力を測定するための評価評価機構を設計し、エージェントの選択効率を高めるためのアッパー信頼境界に基づく戦略を統合する。 実験により、DRFは論理的推論およびコード生成タスクにおけるタスク完了品質と協調効率を大幅に改善し、大規模タスクを処理するマルチエージェントシステムに新しいアプローチを提供することが示された。

関連論文リスト

• Profile-Aware Maneuvering: A Dynamic Multi-Agent System for Robust GAIA Problem Solving by AWorld [20.01452161733642]
  我々はAWorldフレームワークで動的マルチエージェントシステム(MAS)を提案する。 実行エージェントは、オンデマンドの動的操作を提供するガードエージェントによって監督される。 本システムは,GAIAの高名なリーダボード上でのオープンソースプロジェクトの中で,第1位を達成している。
  論文  参考訳（メタデータ） (2025-08-13T15:46:25Z)
• Parallelism Meets Adaptiveness: Scalable Documents Understanding in Multi-Agent LLM Systems [0.8437187555622164]
  大規模言語モデル(LLM)エージェントは、協調的なタスク補完の約束が増していることを示している。 既存のマルチエージェントフレームワークは、静的で固定されたロールと限定的なエージェント間通信に依存していることが多い。 本稿では,3つのコア機構による適応性を実現するための協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-22T22:42:51Z)
• Application of LLM Guided Reinforcement Learning in Formation Control with Collision Avoidance [1.1718316049475228]
  マルチエージェントシステム(Multi-Agent Systems、MAS)は、個々のエージェントの協調作業を通じて複雑な目的を達成する。 本稿では,効果的な報酬関数を設計する上での課題を克服する新しい枠組みを提案する。 タスクの優先順位付けにおいて,大規模言語モデル(LLM)を付与することにより,オンライン上で動的に調整可能な報酬関数を生成する。
  論文  参考訳（メタデータ） (2025-07-22T09:26:00Z)
• Position: Towards a Responsible LLM-empowered Multi-Agent Systems [22.905804138387854]
  Agent AIとLarge Language Model-powered Multi-Agent Systems (LLM-MAS)の台頭は、責任と信頼性のあるシステム操作の必要性を浮き彫りにした。 LLMエージェントは固有の予測不能を示し、出力の不確実性は複雑になり、システムの安定性を脅かす。 これらのリスクに対処するためには、アクティブな動的モデレーションを備えた人間中心の設計アプローチが不可欠である。
  論文  参考訳（メタデータ） (2025-02-03T16:04:30Z)
• Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
  G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。 G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
  論文  参考訳（メタデータ） (2024-10-06T10:49:40Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは、特殊エージェントをマルチエージェントシステムに自動的に拡張するジェネリックメソッドである。 EvoAgent は LLM エージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。