論文の概要: DIG to Heal: Scaling General-purpose Agent Collaboration via Explainable Dynamic Decision Paths

• arxiv url: http://arxiv.org/abs/2603.00309v1
• Date: Fri, 27 Feb 2026 20:59:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-03 19:50:56.138971
• Title: DIG to Heal: Scaling General-purpose Agent Collaboration via Explainable Dynamic Decision Paths
• Title（参考訳）: DIG to Heal:説明可能な動的決定経路による汎用エージェントコラボレーションのスケーリング
• Authors: Hanqing Yang, Hyungwoo Lee, Yuhang Yao, Zhiwei Liu, Kay Liu, Jingdi Chen, Carlee Joe-Wong,
• Abstract要約: 本研究では,汎用大規模言語モデル (LLM) エージェントで構成されるマルチエージェントシステムについて検討する。 エージェントアクティベーションとインタラクションの因果ネットワークとして,創発的コラボレーションを捉えた動的インタラクショングラフ(DIG)を導入する。
• 参考スコア（独自算出の注目度）: 29.11412449913759
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The increasingly popular agentic AI paradigm promises to harness the power of multiple, general-purpose large language model (LLM) agents to collaboratively complete complex tasks. While many agentic AI systems utilize predefined workflows or agent roles in order to reduce complexity, ideally these agents would be truly autonomous, able to achieve emergent collaboration even as the number of collaborating agents increases. Yet in practice, such unstructured interactions can lead to redundant work and cascading failures that are difficult to interpret or correct. In this work, we study multi-agent systems composed of general-purpose LLM agents that operate without predefined roles, control flow, or communication constraints, relying instead on emergent collaboration to solve problems. We introduce the Dynamic Interaction Graph (DIG), which captures emergent collaboration as a time-evolving causal network of agent activations and interactions. DIG makes emergent collaboration observable and explainable for the first time, enabling real-time identification, explanation, and correction of collaboration-induced error patterns directly from agents' collaboration paths. Thus, DIG fills a critical gap in understanding how general LLM agents solve problems together in truly agentic multi-agent systems. The project webpage can be found at: https://happyeureka.github.io/dig.
• Abstract（参考訳）: ますます人気のあるエージェントAIパラダイムは、複数の汎用大規模言語モデル(LLM)エージェントのパワーを活用して、複雑なタスクを協調的に完了することを約束している。 多くのエージェントAIシステムは、複雑性を減らすために事前に定義されたワークフローやエージェントロールを利用するが、理想的には、これらのエージェントは真に自律的であり、コラボレーションエージェントの数が増えても、創発的なコラボレーションを達成することができる。 しかし実際には、そのような非構造的な相互作用は、解釈や修正が難しい冗長な作業やカスケード障害につながる可能性がある。 本研究では,事前に定義された役割や制御フロー,あるいは通信制約を伴わずに動作する汎用LLMエージェントからなるマルチエージェントシステムについて検討する。 エージェントアクティベーションとインタラクションの因果ネットワークとして,創発的コラボレーションを捉えた動的インタラクショングラフ(DIG)を導入する。 DIGは、エージェントのコラボレーションパスから直接、リアルタイムの識別、説明、コラボレーションによって引き起こされるエラーパターンの修正を可能にする。 したがって、DIGは汎用LLMエージェントが真にエージェント型マルチエージェントシステムにおいてどのようにして問題を解決するかを理解する上で重要なギャップを埋める。 プロジェクトのWebページは以下の通りである。

関連論文リスト

• 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)
• Agent Context Protocols Enhance Collective Inference [25.611935537078825]
  エージェントコンテキストプロトコル(エージェントコンテキストプロトコル、ACP)は、エージェントエージェント通信、調整、エラー処理のための、ドメインおよびエージェントに依存しないプロトコルのファミリーである。 ACPは永続的な実行青写真と標準化されたメッセージスキーマを組み合わせることで、堅牢でフォールトトレラントな集団推論を可能にする。 ACPによるジェネラリストシステムは最先端のパフォーマンスに到達し、長い水平ウェブアシストと最高のマルチモーダル技術レポートのためのAssistantBenchの精度は28.3%である。
  論文  参考訳（メタデータ） (2025-05-20T16:28:08Z)
• AgentNet: Decentralized Evolutionary Coordination for LLM-based Multi-Agent Systems [22.291969093748005]
  AgentNet(エージェントネット)は、マルチエージェントシステムのための分散化された検索型生成(RAG)ベースのフレームワークである。 静的ロールや集中制御の以前のアプローチとは異なり、AgentNetはエージェントがローカルの専門知識とコンテキストに基づいて接続とタスクのルーティングを調整することができる。 実験の結果,AgentNetは単一エージェントと集中型マルチエージェントのベースラインよりも高いタスク精度を実現することがわかった。
  論文  参考訳（メタデータ） (2025-04-01T09:45:25Z)
• When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
  我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。 タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
  論文  参考訳（メタデータ） (2025-02-21T02:24:43Z)
• Preventing Rogue Agents Improves Multi-Agent Collaboration [21.955058255432974]
  本稿では,アクション予測中にエージェントを監視し,将来エラーが発生する可能性がある場合に介入することを提案する。 WhoDunitEnv、コード生成タスク、そしてリソース持続可能性のためのGovSim環境の実験は、我々のアプローチがパフォーマンスを大幅に向上させることを示している。
  論文  参考訳（メタデータ） (2025-02-09T18:35:08Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは、特殊エージェントをマルチエージェントシステムに自動的に拡張するジェネリックメソッドである。 EvoAgent は LLM エージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)
• Scaling Large Language Model-based Multi-Agent Collaboration [72.8998796426346]
  近年の大規模言語モデル駆動型自律エージェントのブレークスルーにより、複数エージェントのコラボレーションが集団的推論を通じて各個人を上回ることが判明している。 本研究は、協調剤の連続的な添加が同様の利益をもたらすかどうかを考察する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• Multi-Agent Consensus Seeking via Large Language Models [6.336670103502898]
  大規模言語モデル(LLM)によって駆動されるマルチエージェントシステムは、複雑なタスクを協調的に解決する有望な能力を示している。 この研究は、マルチエージェントコラボレーションにおける根本的な問題であるコンセンサス探索について考察する。
  論文  参考訳（メタデータ） (2023-10-31T03:37:11Z)
• AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors [93.38830440346783]
  本稿では,その構成をより高機能なシステムとして協調的に調整できるマルチエージェントフレームワークを提案する。 実験により,フレームワークが単一エージェントより優れたマルチエージェントグループを効果的に展開できることが実証された。 これらの振舞いの観点から、我々は、ポジティブなものを活用し、ネガティブなものを緩和し、マルチエージェントグループの協調可能性を改善するためのいくつかの戦略について議論する。
  論文  参考訳（メタデータ） (2023-08-21T16:47:11Z)
• MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework [32.95727162682409]
  マルチエージェントコラボレーションに効率的な人間を取り入れた,革新的なメタプログラミングフレームワークであるMetaGPTを紹介する。 MetaGPTは、より合理化された検証のために、SOP(Standardized Operating Procedures)をプロンプトシーケンスにエンコードする。 協調ソフトウェアエンジニアリングベンチマークでは、MetaGPTは従来のチャットベースのマルチエージェントシステムよりも一貫性のあるソリューションを生成する。
  論文  参考訳（メタデータ） (2023-08-01T07:49:10Z)

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。