論文の概要: InfiAgent: Self-Evolving Pyramid Agent Framework for Infinite Scenarios
- arxiv url: http://arxiv.org/abs/2509.22502v2
- Date: Tue, 30 Sep 2025 10:55:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-01 17:09:04.127281
- Title: InfiAgent: Self-Evolving Pyramid Agent Framework for Infinite Scenarios
- Title（参考訳）: InfiAgent:無限シナリオのための自己進化ピラミッドエージェントフレームワーク
- Authors: Chenglin Yu, Yang Yu, Songmiao Wang, Yucheng Wang, Yifan Yang, Jinjia Li, Ming Li, Hongxia Yang,
- Abstract要約: InfiAgentはピラミッドのようなDAGベースのMulti-Agent Frameworkで、textbfinfiniteのシナリオに適用できる。
InfiAgentはADAS(類似の自動生成エージェントフレームワーク)と比較して9.9%高いパフォーマンスを実現している
- 参考スコア（独自算出の注目度）: 28.65914611521654
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large Language Model (LLM) agents have demonstrated remarkable capabilities in organizing and executing complex tasks, and many such agents are now widely used in various application scenarios. However, developing these agents requires carefully designed workflows, carefully crafted prompts, and iterative tuning, which requires LLM techniques and domain-specific expertise. These hand-crafted limitations hinder the scalability and cost-effectiveness of LLM agents across a wide range of industries. To address these challenges, we propose \textbf{InfiAgent}, a Pyramid-like DAG-based Multi-Agent Framework that can be applied to \textbf{infi}nite scenarios, which introduces several key innovations: a generalized "agent-as-a-tool" mechanism that automatically decomposes complex agents into hierarchical multi-agent systems; a dual-audit mechanism that ensures the quality and stability of task completion; an agent routing function that enables efficient task-agent matching; and an agent self-evolution mechanism that autonomously restructures the agent DAG based on new tasks, poor performance, or optimization opportunities. Furthermore, InfiAgent's atomic task design supports agent parallelism, significantly improving execution efficiency. This framework evolves into a versatile pyramid-like multi-agent system capable of solving a wide range of problems. Evaluations on multiple benchmarks demonstrate that InfiAgent achieves 9.9\% higher performance compared to ADAS (similar auto-generated agent framework), while a case study of the AI research assistant InfiHelper shows that it generates scientific papers that have received recognition from human reviewers at top-tier IEEE conferences.
- Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは複雑なタスクの編成と実行において顕著な能力を示しており、現在では様々なアプリケーションシナリオで広く利用されている。
しかし、これらのエージェントの開発には、慎重に設計されたワークフロー、慎重に設計されたプロンプト、反復的なチューニングが必要である。
これらの手作りの制限は、幅広い産業でLLMエージェントのスケーラビリティとコスト効率を妨げている。
これらの課題に対処するために、我々は、複雑なエージェントを階層的なマルチエージェントシステムに自動的に分解する一般化された"agent-as-a-tool"機構、タスク完了の品質と安定性を保証するデュアル監査機構、効率的なタスクエージェントマッチングを可能にするエージェントルーティング機能、新しいタスク、パフォーマンス、最適化に基づいてエージェントDAGを自律的に再構築するエージェント自己進化機構など、いくつかの重要な革新をもたらす、ピラミッドのようなDAGベースのマルチエージェントフレームワークである。
さらに、InfiAgentのアトミックタスク設計はエージェント並列性をサポートし、実行効率を大幅に改善する。
このフレームワークは、幅広い問題を解決することができる多用途ピラミッドのようなマルチエージェントシステムへと進化する。
複数のベンチマークによる評価では、AI研究アシスタントであるInfiHelperのケーススタディでは、上位層のIEEEカンファレンスで人間のレビュアーから認識された科学的論文を生成する。
関連論文リスト
- Chain-of-Agents: End-to-End Agent Foundation Models via Multi-Agent Distillation and Agentic RL [41.847359443133776]
CoA(Chain-of-Agents)は、大規模言語モデル(LLM)推論の新しいパラダイムであり、ネイティブなエンドツーエンドの複雑な問題解決を可能にする。
我々は, エージェント制御微調整のための多エージェント蒸留フレームワークを導入し, 最先端のマルチエージェントシステムをチェーン・オブ・エージェント・トラジェクトリに蒸留する。
次に、検証可能なエージェントタスクに対するエージェント強化学習を用いて、チェーン・オブ・エージェントの問題解決におけるモデルの能力をさらに向上する。
論文 参考訳（メタデータ） (2025-08-06T17:01:02Z) - AgentOrchestra: Orchestrating Hierarchical Multi-Agent Intelligence with the Tool-Environment-Agent(TEA) Protocol [22.406849007798858]
本稿では,環境,エージェント,ツールを統一システムに統合するツール-環境-エージェントプロトコルを提案する。
本稿では,複雑な目的を分解し,特殊エージェントをコーディネートする中央計画エージェントを備えた階層型マルチエージェントフレームワークであるAgensOrchestraを紹介する。
論文 参考訳（メタデータ） (2025-06-14T13:45:37Z) - 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。