論文の概要: Orchestrating Human-AI Teams: The Manager Agent as a Unifying Research Challenge

• arxiv url: http://arxiv.org/abs/2510.02557v1
• Date: Thu, 02 Oct 2025 20:51:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-06 16:35:52.170668
• Title: Orchestrating Human-AI Teams: The Manager Agent as a Unifying Research Challenge
• Title（参考訳）: 人間-AIチームのオーケストレーション: 統一研究課題としてのマネージャエージェント
• Authors: Charlie Masters, Advaith Vellanki, Jiangbo Shangguan, Bart Kultys, Jonathan Gilmore, Alastair Moore, Stefano V. Albrecht,
• Abstract要約: 本稿では,動的な人間-AIチーム内での協調を組織する自律型エージェントシステムの研究ビジョンについて述べる。 複雑な目標をタスクグラフに分解し、タスクを人間やAI労働者に割り当て、進捗を監視し、透過的なステークホルダーコミュニケーションを維持するエージェントである。 マルチエージェントワークフローオーケストレーションのためのオープンソースのシミュレーションおよび評価フレームワークであるMA-Gymをリリースする。
• 参考スコア（独自算出の注目度）: 9.36518257854918
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While agentic AI has advanced in automating individual tasks, managing complex multi-agent workflows remains a challenging problem. This paper presents a research vision for autonomous agentic systems that orchestrate collaboration within dynamic human-AI teams. We propose the Autonomous Manager Agent as a core challenge: an agent that decomposes complex goals into task graphs, allocates tasks to human and AI workers, monitors progress, adapts to changing conditions, and maintains transparent stakeholder communication. We formalize workflow management as a Partially Observable Stochastic Game and identify four foundational challenges: (1) compositional reasoning for hierarchical decomposition, (2) multi-objective optimization under shifting preferences, (3) coordination and planning in ad hoc teams, and (4) governance and compliance by design. To advance this agenda, we release MA-Gym, an open-source simulation and evaluation framework for multi-agent workflow orchestration. Evaluating GPT-5-based Manager Agents across 20 workflows, we find they struggle to jointly optimize for goal completion, constraint adherence, and workflow runtime - underscoring workflow management as a difficult open problem. We conclude with organizational and ethical implications of autonomous management systems.
• Abstract（参考訳）: エージェントAIは個々のタスクの自動化に進歩しているが、複雑なマルチエージェントワークフローの管理は依然として難しい問題である。 本稿では,動的な人間-AIチーム内での協調を組織する自律型エージェントシステムの研究ビジョンについて述べる。 複雑な目標をタスクグラフに分解し、タスクを人間とAI労働者に割り当て、進捗を監視し、状況の変化に適応し、透過的なステークホルダーコミュニケーションを維持するエージェントである。 ワークフロー管理を部分的に観察可能な確率ゲームとして形式化し,(1)階層的分解のための構成的推論,(2)シフト選択による多目的最適化,(3)アドホックチームにおけるコーディネーションと計画,(4)設計によるガバナンスとコンプライアンスの4つの基本課題を特定する。 この課題を進めるために、マルチエージェントワークフローオーケストレーションのためのオープンソースのシミュレーションおよび評価フレームワークであるMA-Gymをリリースする。 GPT-5ベースのマネージャエージェントを20のワークフローで評価すると、目標達成、制約順守、ワークフローランタイムを共同で最適化するのに苦労していることが分かりました。 我々は、自律管理システムの組織的および倫理的意味を結論づける。

関連論文リスト

• A Practical Guide to Agentic AI Transition in Organizations [4.085087405595323]
  エージェントAIは、組織内でのインテリジェンスの適用方法に大きな変化をもたらします。 本稿では,手動プロセスから自動エージェントAIシステムへ組織機能を移行するための実用的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-01-27T10:49:59Z)
• Advances and Innovations in the Multi-Agent Robotic System (MARS) Challenge [170.47383225329915]
  スケーラブルで効率的で協調的なソリューションを実現するためには、マルチエージェントシステムフレームワークが不可欠になっています。 このシフトには,エージェント能力の向上,タスクデリゲートによるシステム効率の向上,高度なヒューマンエージェントインタラクションの実現という,3つの主要な要因がある。 本研究では,NurIPS 2025 Workshop on SpaVLEで開催されているマルチエージェントロボットシステム(MARS)チャレンジを提案する。
  論文  参考訳（メタデータ） (2026-01-26T17:56:19Z)
• Agentic AI for Mobile Network RAN Management and Optimization [0.0]
  エージェントAIは、大型AIモデル(LAM)を使用して複雑なシステムを自動化するための新しいパラダイムである。 本稿では,従来のエージェントからエージェントAIへの進化をたどることで,5Gおよび6GネットワークにおけるエージェントAIの継続的な研究に貢献する。 コアデザインパターン(リフレクション、計画、ツールの使用、マルチエージェントのコラボレーション)が説明され、インテリジェントな振る舞いがどのように編成されているかが説明されます。
  論文  参考訳（メタデータ） (2025-11-04T12:34:57Z)
• Agentic Lybic: Multi-Agent Execution System with Tiered Reasoning and Orchestration [21.929452003961927]
  Agentic Lybicは、アーキテクチャ全体が有限状態マシン(FSM)として動作する新しいマルチエージェントシステムである 我々は,Agenic Lybicが50ステップで57.07%の成功率を達成し,既存の手法を大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-14T03:22:27Z)
• Allen: Rethinking MAS Design through Step-Level Policy Autonomy [0.0]
  我々は,新しいマルチエージェントシステム (MAS) - 現在のMAS設計における2つの課題に対処するために設計されたアレンを導入する。 タスク指向と実行指向の両方の観点からシステム動作を制約する4層状態アーキテクチャを構築しました。 アレンは前例のない政策自律性を認め、協調構造の制御性のためにトレードオフを行う。
  論文  参考訳（メタデータ） (2025-08-15T08:02:34Z)
• SEAgent: Self-Evolving Computer Use Agent with Autonomous Learning from Experience [71.82719117238307]
  本稿では,コンピュータ利用エージェントが不慣れなソフトウェアとのインタラクションを通じて進化することを可能にするエージェント型自己進化フレームワークSEAgentを提案する。 我々は、OS-World内の5つの新しいソフトウェア環境におけるSEAgentの有効性を検証する。 当社のアプローチは,競合するオープンソースCUAに比べて,11.3%から34.5%という,23.2%の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2025-08-06T17:58:46Z)
• Multi-Agent Collaboration via Evolving Orchestration [61.93162413517026]
  大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMをベースとしたマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し、中央オーケストレータがタスク状態の進化に応じてエージェントを動的に指示する。 クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-05-26T07:02:17Z)
• AI Agents vs. Agentic AI: A Conceptual Taxonomy, Applications and Challenges [3.7414278978078204]
  このレビューは、AIエージェントとエージェントAIを批判的に区別し、構造化された概念分類、アプリケーションマッピング、そして、異なる設計哲学と能力を明らかにするための機会と課題の分析を提供する。
  論文  参考訳（メタデータ） (2025-05-15T16:21:33Z)
• 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)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• Investigate-Consolidate-Exploit: A General Strategy for Inter-Task Agent Self-Evolution [92.84441068115517]
  Investigate-Consolidate-Exploit(ICE)は、AIエージェントの適応性と柔軟性を高めるための新しい戦略である。 ICEは、真の自己進化のためのタスク間の知識の伝達を促進する。 XAgentフレームワークに関する我々の実験は、ICEの有効性を示し、API呼び出しを最大80%削減する。
  論文  参考訳（メタデータ） (2024-01-25T07:47:49Z)
• A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
  本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。 具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。 我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
  論文  参考訳（メタデータ） (2023-10-03T16:05:48Z)

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。