論文の概要: An Empirical Study of Multi-Agent Collaboration for Automated Research

• arxiv url: http://arxiv.org/abs/2603.29632v1
• Date: Tue, 31 Mar 2026 11:57:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-01 15:25:03.592286
• Title: An Empirical Study of Multi-Agent Collaboration for Automated Research
• Title（参考訳）: マルチエージェント共同研究の実証的研究
• Authors: Yang Shen, Zhenyi Yi, Ziyi Zhao, Lijun Sun, Dongyang Li, Chin-Teng Lin, Yuhui Shi,
• Abstract要約: 本稿では,機械学習の自動最適化のための異なるマルチエージェント構造の比較効果について検討する。 サブエージェントアーキテクチャとエージェントチームアーキテクチャという,2つのマルチエージェントパラダイムに対して,単一エージェントベースラインをベンチマークする。 この結果から,運用安定性と理論的検討の根本的なトレードオフが明らかになった。
• 参考スコア（独自算出の注目度）: 41.906658558789545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As AI agents evolve, the community is rapidly shifting from single Large Language Models (LLMs) to Multi-Agent Systems (MAS) to overcome cognitive bottlenecks in automated research. However, the optimal multi-agent coordination framework for these autonomous agents remains largely unexplored. In this paper, we present a systematic empirical study investigating the comparative efficacy of distinct multi-agent structures for automated machine learning optimization. Utilizing a rigorously controlled, execution-based testbed equipped with Git worktree isolation and explicit global memory, we benchmark a single-agent baseline against two multi-agent paradigms: a subagent architecture (parallel exploration with post-hoc consolidation) and an agent team architecture (experts with pre-execution handoffs). By evaluating these systems under strictly fixed computational time budgets, our findings reveal a fundamental trade-off between operational stability and theoretical deliberation. The subagent mode functions as a highly resilient, high-throughput search engine optimal for broad, shallow optimizations under strict time constraints. Conversely, the agent team topology exhibits higher operational fragility due to multi-author code generation but achieves the deep theoretical alignment necessary for complex architectural refactoring given extended compute budgets. These empirical insights provide actionable guidelines for designing future autoresearch systems, advocating for dynamically routed architectures that adapt their collaborative structures to real-time task complexity.
• Abstract（参考訳）: AIエージェントが進化するにつれて、コミュニティは、自動研究における認知的ボトルネックを克服するために、単一言語モデル(LLM)からマルチエージェントシステム(MAS)へと急速に移行しています。 しかし、これらの自律エージェントのための最適なマルチエージェント調整フレームワークは、まだほとんど解明されていない。 本稿では,機械学習の自動最適化のための異なるマルチエージェント構造の比較実験を行った。 Gitワークツリーの分離と明示的なグローバルメモリを備えた厳格に制御された実行ベースのテストベッドを利用することで、サブエージェントアーキテクチャ(ポストホック統合による並列探索)とエージェントチームアーキテクチャ(事前実行ハンドオフによる試験)という、2つのマルチエージェントパラダイムに対して、単一のエージェントベースラインをベンチマークします。 厳密な計算時間予算の下でこれらのシステムを評価することにより,運用安定性と理論的検討の基本的なトレードオフが明らかとなった。 サブエージェントモードは、厳密な時間制約下での幅の狭い最適化に最適な、高回復力で高スループットの検索エンジンとして機能する。 逆に、エージェントチームのトポロジは、マルチオーサのコード生成による高い運用上の脆弱性を示すが、拡張された計算予算に対して複雑なアーキテクチャリファクタリングに必要な深い理論的アライメントを実現する。 これらの経験的な洞察は、将来の自動検索システムを設計するための実行可能なガイドラインを提供し、協調的な構造をリアルタイムタスクの複雑さに適応する動的ルーティングアーキテクチャを提唱する。

関連論文リスト

• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
  階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。 具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。 我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2025-11-21T12:25:47Z)
• InfiAgent: Self-Evolving Pyramid Agent Framework for Infinite Scenarios [28.65914611521654]
  InfiAgentはピラミッドのようなDAGベースのMulti-Agent Frameworkで、textbfinfiniteのシナリオに適用できる。 InfiAgentはADAS(類似の自動生成エージェントフレームワーク)と比較して9.9%高いパフォーマンスを実現している
  論文  参考訳（メタデータ） (2025-09-26T15:44:09Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)

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。