論文の概要: Rethinking Multi-Agent Intelligence Through the Lens of Small-World Networks

• arxiv url: http://arxiv.org/abs/2512.18094v1
• Date: Fri, 19 Dec 2025 22:05:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.18738
• Title: Rethinking Multi-Agent Intelligence Through the Lens of Small-World Networks
• Title（参考訳）: 小型ネットワークのレンズによるマルチエージェントインテリジェンスの再考
• Authors: Boxuan Wang, Zhuoyun Li, Xiaowei Huang, Yi Dong,
• Abstract要約: 大規模言語モデル(LLM)は、複雑なタスクを解決するために複数のエージェントが主張し、批判し、調整するマルチエージェントシステム(MAS)を可能にした。 既存の LLM ベースの MAS は、完全な連結グラフ、単純なスパース環、あるいはアドホックな動的選択をほとんど構造的なガイダンスなしで採用している。 まず、神経科学と複雑なネットワークからMASへの洞察をブリッジし、SW構造がどのように局所的なクラスタリングと長距離統合のバランスをとるかを強調します。 実験の結果,SW接続の精度とトークンコストはほぼ同じであり,コンセンサストラジェクトリは実質的に安定していることがわかった。
• 参考スコア（独自算出の注目度）: 14.233668486426795
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have enabled multi-agent systems (MAS) in which multiple agents argue, critique, and coordinate to solve complex tasks, making communication topology a first-class design choice. Yet most existing LLM-based MAS either adopt fully connected graphs, simple sparse rings, or ad-hoc dynamic selection, with little structural guidance. In this work, we revisit classic theory on small-world (SW) networks and ask: what changes if we treat SW connectivity as a design prior for MAS? We first bridge insights from neuroscience and complex networks to MAS, highlighting how SW structures balance local clustering and long-range integration. Using multi-agent debate (MAD) as a controlled testbed, experiment results show that SW connectivity yields nearly the same accuracy and token cost, while substantially stabilizing consensus trajectories. Building on this, we introduce an uncertainty-guided rewiring scheme for scaling MAS, where long-range shortcuts are added between epistemically divergent agents using LLM-oriented uncertainty signals (e.g., semantic entropy). This yields controllable SW structures that adapt to task difficulty and agent heterogeneity. Finally, we discuss broader implications of SW priors for MAS design, framing them as stabilizers of reasoning, enhancers of robustness, scalable coordinators, and inductive biases for emergent cognitive roles.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、複数のエージェントが複雑なタスクを論じ、批判し、調整するマルチエージェントシステム(MAS)を可能にし、通信トポロジを第一級の設計選択にしている。 しかし、既存の LLM ベースの MAS では、完全な連結グラフ、単純なスパース環、あるいはアドホックな動的選択をほとんど構造的なガイダンスなしで採用している。 SW接続をMASの設計として扱う場合、どのような変更があるのか? まず、神経科学と複雑なネットワークからMASへの洞察をブリッジし、SW構造がどのように局所的なクラスタリングと長距離統合のバランスをとるかを強調します。 マルチエージェント・ディベート(MAD)を制御テストベッドとして使用することにより、SW接続はコンセンサス・トラジェクトリをほぼ安定化しつつ、ほぼ同じ精度とトークンコストが得られることを示す実験結果が得られた。 そこで我々は,LLM指向の不確実性信号(セマンティックエントロピーなど)を用いて,エピステマティックに発散するエージェント間で長距離ショートカットを付加する,MASのスケーリングのための不確実性誘導スイッチ方式を提案する。 これにより、タスクの難易度とエージェントの不均一性に適応する制御可能なSW構造が得られる。 最後に,MAS設計におけるSW事前の広範な意味を論じ,それらを推論の安定要因,堅牢性の向上要因,スケーラブルなコーディネータ,創発的認知機能に対する帰納的バイアスとみなす。

関連論文リスト

• AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
  tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。 エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
  論文  参考訳（メタデータ） (2025-10-06T23:20:49Z)
• AMAS: Adaptively Determining Communication Topology for LLM-based Multi-Agent System [19.336020954831202]
  大規模言語モデル (LLM) は自然言語処理能力に革命をもたらし、産業問題解決のための自律型マルチエージェントシステム (MAS) として実践的に実装されている。 我々は、新しい動的グラフデザイナを通じてLLMベースのMASを再定義するパラダイムシフトフレームワークであるAMASを紹介する。 AMASは個々の入力の固有の特性を利用して、タスク最適化エージェント経路を介してインテリジェントにクエリトラジェクトリをクエリする。
  論文  参考訳（メタデータ） (2025-10-02T02:50:22Z)
• Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
  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に基づく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,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")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)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• A Robust Deep Learning-Based Beamforming Design for RIS-assisted Multiuser MISO Communications with Practical Constraints [4.727307803726522]
  RIS支援マルチユーザマルチインプットシングルアウトプットダウンリンク通信システムについて検討する。 我々は、アクティブビームフォーミングとパッシブビームフォーミングを同時に設計するディープ量子化ニューラルネットワーク(DQNN)を開発した。 提案した2つのDQNNアルゴリズムは、離散位相シフトと不完全なCSIが同時に考慮される場合に拡張する。
  論文  参考訳（メタデータ） (2021-11-12T03:53:20Z)

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。