論文の概要: Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation

• arxiv url: http://arxiv.org/abs/2604.18005v1
• Date: Mon, 20 Apr 2026 09:27:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-21 21:52:52.790293
• Title: Diversity Collapse in Multi-Agent LLM Systems: Structural Coupling and Collective Failure in Open-Ended Idea Generation
• Title（参考訳）: 多エージェントLLMシステムにおける多様性の崩壊:オープンエンディングのアイデア生成における構造結合と集合的失敗
• Abstract要約: 我々は、モデルインテリジェンス、エージェント認知、システムダイナミクスの3つのボトムアップレベルにおいて、MASに基づくアイデアの多様性について研究する。 これらの成果を,構造的結合から生じる集合的失敗として特徴づける。 この崩壊は,本質的なモデル不足というよりも,相互作用構造に起因していると考えられる。
• 参考スコア（独自算出の注目度）: 37.31743722494961
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent systems (MAS) are increasingly used for open-ended idea generation, driven by the expectation that collective interaction will broaden the exploration diversity. However, when and why such collaboration truly expands the solution space remains unclear. We present a systematic empirical study of diversity in MAS-based ideation across three bottom-up levels: model intelligence, agent cognition, and system dynamics. At the model level, we identify a compute efficiency paradox, where stronger, highly aligned models yield diminishing marginal diversity despite higher per-sample quality. At the cognition level, authority-driven dynamics suppress semantic diversity compared to junior-dominated groups. At the system level, group-size scaling yields diminishing returns and dense communication topologies accelerate premature convergence. We characterize these outcomes as collective failures emerging from structural coupling, a process where interaction inadvertently contracts agent exploration and triggers diversity collapse. Our analysis shows that this collapse arises primarily from the interaction structure rather than inherent model insufficiency, highlighting the importance of preserving independence and disagreement when designing MAS for creative tasks. Our code is available at https://github.com/Xtra-Computing/MAS_Diversity.
• Abstract（参考訳）: マルチエージェントシステム(MAS)は、集合的相互作用が探索の多様性を拡大することを期待して、オープンエンドのアイデア生成にますます利用されている。 しかし、なぜそのようなコラボレーションが本当にソリューション空間を拡大するのかは、まだ不明である。 我々は,モデルインテリジェンス,エージェント認知,システムダイナミクスという3つのボトムアップレベルにまたがる,MASに基づく概念の多様性に関する体系的な実証的研究を行った。 モデルレベルでは計算効率のパラドックスを同定し,より強い,高度に整合したモデルにより,サンプル当たりの品質が高いにもかかわらず限界の多様性が低下することを示した。 認知レベルでは、権威駆動のダイナミクスは、下級支配グループに比べて意味の多様性を抑える。 システムレベルでは、グループ規模のスケーリングはリターンを減少させ、密度の高い通信トポロジは早めの収束を促進する。 これらの結果が構造的結合から生じる集合的失敗として特徴付けられるのは、相互作用が不注意にエージェント探索を収縮させ、多様性の崩壊を引き起こすプロセスである。 我々の分析は、この崩壊は本質的にモデル不足というよりも相互作用構造から生じており、創造的なタスクのためにMASを設計する際の独立性や不一致を維持することの重要性を強調している。 私たちのコードはhttps://github.com/Xtra-Computing/MAS_Diversity.comで利用可能です。

関連論文リスト

• The Crowded Embedding Space: A Mean-Field Mechanism for Emergent Marginalization in Retrieval-Augmented Agents [51.56484100374058]
  また,本論文では,本論文の関心事に役立てるために必要な文書密度が,意味論的に類似したマイノリティの検索地区を幾何的に超過することができることを示した。 本稿では,このような高密度検索における目標衝突が基本的性能限界をいかに引き起こすかを分析するための公式な枠組みを提案する。 このような目的が,過半数の利害にのみ貢献する状態に自己組織する上で,システムを促進することを実証する。
  論文  参考訳（メタデータ） (2026-06-01T20:40:30Z)
• Scaling Behavior of Single LLM-Driven Multi-Agent Systems [5.2324118961669575]
  マルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むことを約束する。 本稿では, エージェント数の増加に伴い, 均質MASの性能がどう進化するかを系統的に検討する。
  論文  参考訳（メタデータ） (2026-05-30T09:57:49Z)
• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• When Agents Evolve, Institutions Follow [52.359340707289114]
  大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。 彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。 我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
  論文  参考訳（メタデータ） (2026-04-30T10:30:58Z)
• Do Agent Societies Develop Intellectual Elites? The Hidden Power Laws of Collective Cognition in LLM Multi-Agent Systems [5.867974734829712]
  本研究は,マルチエージェントシステムにおける協調力学の大規模実証的研究である。 タスク、トポロジ、スケールにわたる150万以上のインタラクションを分析します。 調整はヘビーテールのカスケードに従い、知的エリートへの優先的なアタッチメントを通じて集中し、システムのサイズが大きくなるにつれて、ますます極端なイベントを発生させる。
  論文  参考訳（メタデータ） (2026-04-03T03:08:07Z)
• A Survey of Reasoning in Autonomous Driving Systems: Open Challenges and Emerging Paradigms [49.66022971508878]
  私たちは、推論はモジュラーコンポーネントからシステムの認知コアに高めるべきだと論じています。 応答性推論のトレードオフやソーシャルゲーム推論など,7つの中核的推論課題を導出し,体系化する。 我々は,LLMに基づく推論と,ミリ秒スケールで安全クリティカルな車両制御の要求との間の,高レイテンシ,熟考的特性の根本的かつ未解決な緊張関係を同定する。
  論文  参考訳（メタデータ） (2026-03-11T07:40:53Z)
• Guided Collaboration in Heterogeneous LLM-Based Multi-Agent Systems via Entropy-Based Understanding Assessment and Experience Retrieval [35.96356869281219]
  本稿では,強弱系における反直観的現象について述べる。 本稿では,各エージェントの認知状態を動的に調整するエントロピーに基づく適応誘導フレームワークを提案する。 我々のアプローチは、不均一なコラボレーションの有効性と安定性を一貫して向上させる。
  論文  参考訳（メタデータ） (2026-02-14T07:10:04Z)
• Towards a Science of Collective AI: LLM-based Multi-Agent Systems Need a Transition from Blind Trial-and-Error to Rigorous Science [70.3658845234978]
  大規模言語モデル(LLM)はマルチエージェントシステム(MAS)の機能を大幅に拡張した。 この急速な進歩にもかかわらず、この分野はいまだに実証的な試行錯誤に大きく依存している。 このボトルネックは、帰属の曖昧さに起因している。 本稿では,協調運転要因を体系的に同定する要因帰属パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-02-05T04:19:52Z)
• On the Dynamics of Multi-Agent LLM Communities Driven by Value Diversity [39.49884797762817]
  価値の多様性は、AIコミュニティの集合行動をどのように形成しますか? シュワルツのベーシック・ヒューマン・バリュー理論に根ざした自然主義的価値推論を用いて、オープン・エンド・インタラクションや構成形成に関わるさまざまなエージェントを持つコミュニティが集まるシミュレーションを構築した。 その結果、価値の多様性は価値の安定性を高め、創発的な行動を促進し、外部ガイダンスなしでエージェント自身が開発するより創造的な原則をもたらすことが示された。
  論文  参考訳（メタデータ） (2025-12-11T14:13:53Z)
• 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)
• The Hidden Strength of Disagreement: Unraveling the Consensus-Diversity Tradeoff in Adaptive Multi-Agent Systems [1.137572571250676]
  エージェントが独立して情報交換を行う暗黙のコンセンサスは、動的環境においてより効果的である、と我々は主張する。 我々は、暗黙の手法が明示的な手法よりも優れている条件を示す、コンセンサスと多様性のトレードオフを定式化する。 我々は、回復力のある意思決定のために多様性を維持することの価値を強調し、文脈内学習による創発的な調整を強調した。
  論文  参考訳（メタデータ） (2025-02-23T13:12:53Z)
• 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)
• 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)

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。