Fugu-MT 論文翻訳(概要): Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems

論文の概要: Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems

arxiv url: http://arxiv.org/abs/2602.03695v1
Date: Tue, 03 Feb 2026 16:17:53 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-04 18:37:15.568063
Title: Agent Primitives: Reusable Latent Building Blocks for Multi-Agent Systems
Title（参考訳）: エージェントプリミティブ:マルチエージェントシステムのための再利用可能な潜在ビルディングブロック
Authors: Haibo Jin, Kuang Peng, Ye Yu, Xiaopeng Yuan, Haohan Wang,
Abstract要約: 既存のマルチエージェントシステム(MAS)は、複数のエージェント間の協調を可能にすることで複雑な問題を扱うことができる。ほとんどのMASは、主に自然言語を介して通信し、長いコンテキスト、多段階の相互作用においてエラーの蓄積や不安定さに弱い。 LLMベースのMASのための再利用可能な潜在ビルディングブロックである textbfAgent Primitives を提案する。
参考スコア（独自算出の注目度）: 31.54866828797577
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While existing multi-agent systems (MAS) can handle complex problems by enabling collaboration among multiple agents, they are often highly task-specific, relying on manually crafted agent roles and interaction prompts, which leads to increased architectural complexity and limited reusability across tasks. Moreover, most MAS communicate primarily through natural language, making them vulnerable to error accumulation and instability in long-context, multi-stage interactions within internal agent histories. In this work, we propose \textbf{Agent Primitives}, a set of reusable latent building blocks for LLM-based MAS. Inspired by neural network design, where complex models are built from reusable components, we observe that many existing MAS architectures can be decomposed into a small number of recurring internal computation patterns. Based on this observation, we instantiate three primitives: Review, Voting and Selection, and Planning and Execution. All primitives communicate internally via key-value (KV) cache, which improves both robustness and efficiency by mitigating information degradation across multi-stage interactions. To enable automatic system construction, an Organizer agent selects and composes primitives for each query, guided by a lightweight knowledge pool of previously successful configurations, forming a primitive-based MAS. Experiments show that primitives-based MAS improve average accuracy by 12.0-16.5\% over single-agent baselines, reduce token usage and inference latency by approximately 3$\times$-4$\times$ compared to text-based MAS, while incurring only 1.3$\times$-1.6$\times$ overhead relative to single-agent inference and providing more stable performance across model backbones.
Abstract（参考訳）: 既存のマルチエージェントシステム(MAS)は、複数のエージェント間のコラボレーションを可能にすることで複雑な問題に対処できるが、それらは多くの場合、手作業によるエージェントの役割やインタラクションプロンプトに依存し、タスク間のアーキテクチャ上の複雑さと限定的な再利用性に繋がる。さらに、ほとんどのMASは、主に自然言語を介して通信し、内部エージェントヒストリー内の長いコンテキスト、多段階の相互作用において、エラーの蓄積や不安定性に対して脆弱である。本研究では LLM ベースのMAS のための再利用可能な潜在ビルディングブロックである \textbf{Agent Primitives} を提案する。再利用可能なコンポーネントから複雑なモデルを構築するニューラルネットワーク設計に着想を得て、既存のMASアーキテクチャの多くを少数の内部計算パターンに分解できることを観察する。この観察に基づいて、レビュー、投票と選択、計画と実行の3つのプリミティブをインスタンス化する。すべてのプリミティブはキー値(KV)キャッシュを介して内部で通信し、多段階のインタラクション間での情報劣化を緩和することで堅牢性と効率性の両方を改善する。自動システム構築を可能にするために、オーガナイザエージェントは、以前成功した構成の軽量知識プールによって案内されるクエリ毎にプリミティブを選択して構成し、プリミティブベースのMASを形成する。実験の結果、プリミティブベースのMASは単エージェントベースラインよりも平均精度を12.0-16.5\%向上し、トークン使用率と推論遅延を約3$\times$-4$\times$とテキストベースのMASと比較して削減し、単エージェントベースラインと比較して1.3$\times$-1.6$\times$のオーバーヘッドしか発生せず、モデルバックボーン間でより安定したパフォーマンスを提供する。

関連論文リスト

ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文参考訳（メタデータ） (2026-01-27T13:43:59Z)
M$^3$Prune: Hierarchical Communication Graph Pruning for Efficient Multi-Modal Multi-Agent Retrieval-Augmented Generation [18.091284320771006]
本稿では,M$3$Prune と呼ばれる新しいマルチモーダルマルチエージェント階層型通信グラフ PRUNing フレームワークを提案する。当社のフレームワークは,タスクパフォーマンスとトークンオーバーヘッドの最適バランスを達成するために,さまざまなモダリティをまたいだ冗長なエッジを排除します。本手法はシングルエージェントとロバストマルチエージェントのmRAGシステムにおいて一貫して性能を向上する。
論文参考訳（メタデータ） (2025-11-25T06:29:13Z)
Multi-Agent Tool-Integrated Policy Optimization [67.12841355267678]
大規模言語モデル(LLM)は、知識集約的かつ複雑な推論タスクに対して、多ターンツール統合計画にますます依存している。既存の実装は通常、単一のエージェントに依存するが、コンテキスト長とノイズの多いツールレスポンスに悩まされる。ツール統合マルチエージェントフレームワークの効果的な強化学習をサポートする方法はない。
論文参考訳（メタデータ） (2025-10-06T10:44:04Z)
LLM-based Multi-Agent Blackboard System for Information Discovery in Data Science [69.1690891731311]
従来のAIモデルのためのブラックボードアーキテクチャに着想を得た,新しいマルチエージェント通信パラダイムを提案する。このフレームワークでは、中央エージェントが共有ブラックボードにリクエストをポストし、自律的な従属エージェントがその能力に基づいて応答する。明示的なデータ発見を必要とする3つのベンチマークに対して,本手法の評価を行った。
論文参考訳（メタデータ） (2025-09-30T22:34:23Z)
ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction [84.90394416593624]
大規模言語モデル(LLM)によるエージェント的タスク解決には,多ターン・マルチステップインタラクションが必要である。既存のシミュレーションベースのデータ生成手法は、複数のエージェント間のコストのかかる自己回帰的相互作用に大きく依存している。本稿では,高品質なマルチターンエージェント対話を構築するための非自己回帰反復生成フレームワークであるToolACE-MTを提案する。
論文参考訳（メタデータ） (2025-08-18T07:38:23Z)
MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文参考訳（メタデータ） (2025-08-13T19:14:48Z)
OmniNova:A General Multimodal Agent Framework [0.5439020425819]
特殊なツールを備えた大規模言語モデル(LLM)は、インテリジェントな自動化システムに新たな機会をもたらす。 OmniNovaはモジュール型のマルチエージェント自動化フレームワークで、言語モデルとWeb検索、クローリング、コード実行機能といった特殊なツールを組み合わせる。
論文参考訳（メタデータ） (2025-03-25T19:21:01Z)
IDEA: Inverted Text with Cooperative Deformable Aggregation for Multi-modal Object Re-Identification [60.38841251693781]
本稿では,ロバストなマルチモーダルオブジェクトReIDを生成する新しいフレームワークを提案する。我々のフレームワークは、多モーダル情報と逆テキストからのセマンティックガイダンスを統合するために、Modal PrefixesとInverseNetを使用している。 3つのマルチモーダルオブジェクトReIDベンチマーク実験により,提案手法の有効性が示された。
論文参考訳（メタデータ） (2025-03-13T13:00:31Z)
Multi-agent Architecture Search via Agentic Supernet [17.235963703597093]
大規模言語モデル(LLM)を利用したマルチエージェントシステムは、個々のエージェントの認知的境界を拡張する。エージェントの設計を自動化する方法が利用可能であるにもかかわらず、彼らは通常、静的で複雑で、1サイズに適したシステムを見つけ出そうとする。スーパーネットからクエリ依存エージェントシステムをサンプリングする自動フレームワークであるMASを紹介する。
論文参考訳（メタデータ） (2025-02-06T16:12:06Z)
A Unified and Efficient Coordinating Framework for Autonomous DBMS Tuning [34.85351481228439]
既存のMLベースのエージェントを効率的に活用するための統合コーディネートフレームワークを提案する。機械学習ベースのエージェントを効果的に利用し、ワークロードの実行時間に1.414.1Xのスピードアップでより良い設定を実現できることを示す。
論文参考訳（メタデータ） (2023-03-10T05:27:23Z)

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。