論文の概要: Beyond Rule-Based Workflows: An Information-Flow-Orchestrated Multi-Agents Paradigm via Agent-to-Agent Communication from CORAL

• arxiv url: http://arxiv.org/abs/2601.09883v1
• Date: Wed, 14 Jan 2026 21:35:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:18.904874
• Title: Beyond Rule-Based Workflows: An Information-Flow-Orchestrated Multi-Agents Paradigm via Agent-to-Agent Communication from CORAL
• Title（参考訳）: ルールベースのワークフローを超えて:CoRALによるエージェント対エージェント通信による情報フローオーケストレーションマルチエージェントパラダイム
• Authors: Xinxing Ren, Quagmire Zang, Caelum Forder, Suman Deb, Ahsen Tahir, Roman J. Georgio, Peter Carroll, Zekun Guo,
• Abstract要約: 本稿ではエージェント・ツー・エージェント(A2A)通信を用いた情報フロー型マルチエージェントパラダイムを提案する。 汎用ベンチマークGAIAに対する我々のアプローチを,代表的ワークフローベースMASをベースラインとして評価した。 本手法は63.64%の精度を達成し, OWL の55.15% を8.49 % に上回り, トークン消費に匹敵する性能を示した。
• 参考スコア（独自算出の注目度）: 0.15199492741752027
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most existing Large Language Model (LLM)-based Multi-Agent Systems (MAS) rely on predefined workflows, where human engineers enumerate task states in advance and specify routing rules and contextual injections accordingly. Such workflow-driven designs are essentially rule-based decision trees, which suffer from two fundamental limitations: they require substantial manual effort to anticipate and encode possible task states, and they cannot exhaustively cover the state space of complex real-world tasks. To address these issues, we propose an Information-Flow-Orchestrated Multi-Agent Paradigm via Agent-to-Agent (A2A) Communication from CORAL, in which a dedicated information flow orchestrator continuously monitors task progress and dynamically coordinates other agents through the A2A toolkit using natural language, without relying on predefined workflows. We evaluate our approach on the general-purpose benchmark GAIA, using the representative workflow-based MAS OWL as the baseline while controlling for agent roles and underlying models. Under the pass@1 setting, our method achieves 63.64% accuracy, outperforming OWL's 55.15% by 8.49 percentage points with comparable token consumption. Further case-level analysis shows that our paradigm enables more flexible task monitoring and more robust handling of edge cases. Our implementation is publicly available at: https://github.com/Coral-Protocol/Beyond-Rule-Based-Workflows
• Abstract（参考訳）: 既存のLLM(Large Language Model)ベースのマルチエージェントシステム(Multi-Agent Systems、MAS)は、事前に定義されたワークフローに依存している。 このようなワークフロー駆動型設計は基本的にルールベースの決定木であり、可能なタスク状態の予測とエンコードにかなりの手作業が必要であり、複雑な実世界のタスクの状態空間を網羅的にカバーすることはできない。 これらの課題に対処するため,CoRAL のエージェント・ツー・エージェント(A2A)通信による情報フロー整合型マルチエージェントパラダイムを提案し,タスクの進捗を継続的に監視し,自然言語を用いたA2Aツールキットを介してエージェントを動的に調整する。 汎用ベンチマークGAIAに対する我々のアプローチを,エージェントの役割や基盤となるモデルを制御しながら,ワークフローベースのMAS OWLをベースラインとして評価した。 pass@1設定では63.64%の精度でOWLの55.15%を8.49ポイント上回っている。 さらなるケースレベルの分析は、我々のパラダイムがより柔軟なタスク監視とエッジケースのより堅牢な処理を可能にしていることを示している。 私たちの実装は、https://github.com/Coral-Protocol/Beyond-Rule-Based-Workflowsで公開されています。

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)
• Open Agent Specification (Agent Spec): A Unified Representation for AI Agents [10.685555728094338]
  我々はAIエージェントとエージェントを定義する宣言型言語Open Agent Specification(Agent Spec)を紹介する。 Agent Specは、コンポーネント、コントロールとデータフローのセマンティクス、スキーマの共通セットを定義し、エージェントを一度定義し、異なるランタイム間で実行できるようにする。
  論文  参考訳（メタデータ） (2025-10-05T12:26:42Z)
• AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
  本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。 提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
  論文  参考訳（メタデータ） (2025-06-21T18:34:43Z)
• FlowAgent: Achieving Compliance and Flexibility for Workflow Agents [31.088578094151178]
  FlowAgentは、コンプライアンスと柔軟性の両方を維持するように設計された新しいエージェントフレームワークである。 PDL を基盤として,OOW クエリを効果的に管理する LLM を支援する包括的フレームワークを開発した。 本稿では,LLMエージェントのOOWシナリオ処理能力を評価するための新しい評価手法を提案する。
  論文  参考訳（メタデータ） (2025-02-20T07:59:31Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)

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。