論文の概要: Inefficiencies of Meta Agents for Agent Design
- arxiv url: http://arxiv.org/abs/2510.06711v1
- Date: Wed, 08 Oct 2025 07:06:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-09 16:41:20.343564
- Title: Inefficiencies of Meta Agents for Agent Design
- Title（参考訳）: エージェント設計におけるメタエージェントの非効率性
- Authors: Batu El, Mert Yuksekgonul, James Zou,
- Abstract要約: メタエージェントの共通クラスにおける3つの課題について検討する。
まず、メタエージェントがイテレーション間でどのように学習するかを検討する。
第二に、メタエージェントはトレーニング中に複数のエージェントを設計するが、通常、テスト時に単一のエージェントをコミットする。
- 参考スコア（独自算出の注目度）: 25.46718879564119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent works began to automate the design of agentic systems using meta-agents that propose and iteratively refine new agent architectures. In this paper, we examine three key challenges in a common class of meta-agents. First, we investigate how a meta-agent learns across iterations and find that simply expanding the context with all previous agents, as proposed by previous works, performs worse than ignoring prior designs entirely. We show that the performance improves with an evolutionary approach. Second, although the meta-agent designs multiple agents during training, it typically commits to a single agent at test time. We find that the designed agents have low behavioral diversity, limiting the potential for their complementary use. Third, we assess when automated design is economically viable. We find that only in a few cases--specifically, two datasets--the overall cost of designing and deploying the agents is lower than that of human-designed agents when deployed on over 15,000 examples. In contrast, the performance gains for other datasets do not justify the design cost, regardless of scale.
- Abstract（参考訳）: 最近の研究は、新しいエージェントアーキテクチャを提案し、反復的に洗練するメタエージェントを用いて、エージェントシステムの設計を自動化し始めた。
本稿では,メタエージェントの共通クラスにおける3つの課題について検討する。
まず、メタエージェントがイテレーション間でどのように学習するかを調べ、以前の作業で提案されたように、コンテキストをすべてのエージェントで拡張するだけで、以前の設計を完全に無視するよりもパフォーマンスが悪くなることを確かめる。
進化的アプローチによって性能が向上することを示す。
第二に、メタエージェントはトレーニング中に複数のエージェントを設計するが、通常、テスト時に単一のエージェントをコミットする。
設計されたエージェントは行動の多様性が低く、相補的な使用の可能性を制限することが判明した。
第3に、自動設計が経済的に可能かどうかを評価する。
特定の2つのデータセット — エージェントの設計とデプロイの全体的なコストは、15,000以上の例にデプロイされた場合、人間によって設計されたエージェントよりも低いのです。
対照的に、他のデータセットのパフォーマンス向上は、スケールに関係なく、設計コストを正当化するものではない。
関連論文リスト
- OAgents: An Empirical Study of Building Effective Agents [46.50371876218872]
キーエージェントコンポーネントにおける一般的な設計選択の影響を,公平かつ厳密な方法で検討する。
この結果に基づいて,新たな基盤エージェントフレームワークであるOAgentsをオープンソースとして開発しています。
論文 参考訳（メタデータ） (2025-06-17T17:59:02Z) - AgentSwift: Efficient LLM Agent Design via Value-guided Hierarchical Search [58.98450205734779]
大規模言語モデル(LLM)エージェントは、多様なドメインにまたがる強力な機能を示している。
既存のエージェントサーチ手法には3つの大きな制限がある。
これらの課題に対処するための包括的なフレームワークを導入します。
論文 参考訳（メタデータ） (2025-06-06T12:07:23Z) - Towards Adaptive Software Agents for Debugging [0.40964539027092917]
本稿では,エージェントの数とその役割を動的に決定する適応型エージェント設計を提案する。
最初の評価では、適応設計では、生成されるエージェントの数はバグのあるコードの複雑さに依存することが示されている。
治療効果は, ワンショットプロンプトよりも平均11%改善した。
論文 参考訳（メタデータ） (2025-04-25T12:48:08Z) - Agent-E: From Autonomous Web Navigation to Foundational Design Principles in Agentic Systems [1.079505444748609]
本稿では,新しいWebエージェントであるAgent-Eの構築について紹介する。
Agent-Eは、最先端のWebエージェントよりも多くのアーキテクチャ改善を導入している。
我々は,Agent-Eが他のSOTAテキストおよびマルチモーダルWebエージェントを,ほとんどのカテゴリで10～30%上回っていることを示す。
論文 参考訳（メタデータ） (2024-07-17T21:44:28Z) - AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。
我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。
我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
論文 参考訳（メタデータ） (2024-06-06T15:15:41Z) - Agent-FLAN: Designing Data and Methods of Effective Agent Tuning for Large Language Models [56.00992369295851]
オープンソースのLarge Language Models(LLM)は、さまざまなNLPタスクで大きな成功を収めていますが、エージェントとして振る舞う場合、それでもAPIベースのモデルよりもはるかに劣っています。
本稿では,(1) エージェント学習コーパスを,(1) エージェント学習データの分布から大きくシフトするエージェント推論と,(2) エージェントタスクが必要とする能力に異なる学習速度を示すエージェント学習コーパスと,(3) 幻覚を導入することでエージェント能力を改善する際の副作用について述べる。
本稿では,エージェントのためのFLANモデルを効果的に構築するためのエージェントFLANを提案する。
論文 参考訳（メタデータ） (2024-03-19T16:26:10Z) - An Extensible Framework for Open Heterogeneous Collaborative Perception [58.70875361688463]
協調的な知覚は、単一エージェントの知覚の限界を緩和することを目的としている。
本稿では,新しい異種エージェントを協調認識に適応させる方法を提案する。
本稿では,新しい協調認識フレームワークであるHeterogeneous ALliance(HEAL)を提案する。
論文 参考訳（メタデータ） (2024-01-25T05:55:03Z)
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。