論文の概要: From Skills to Talent: Organising Heterogeneous Agents as a Real-World Company

• arxiv url: http://arxiv.org/abs/2604.22446v1
• Date: Fri, 24 Apr 2026 11:02:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-27 15:36:26.434279
• Title: From Skills to Talent: Organising Heterogeneous Agents as a Real-World Company
• Title（参考訳）: 技能からタレントへ:現実世界の会社としての異質なエージェントの組織化
• Authors: Zhengxu Yu, Yu Fu, Zhiyuan He, Yuxuan Huang, Lee Ka Yiu, Meng Fang, Weilin Luo, Jun Wang,
• Abstract要約: 我々は,マルチエージェントシステムを組織レベルに高めるフレームワークであるemphOneManCompany(OMC)を紹介した。 OMCは、emphTalentsと呼ばれるポータブルエージェントIDにスキル、ツール、ランタイム構成をカプセル化する コミュニティ主導のemphTalent Marketは、オンデマンドの採用を可能にし、組織が能力ギャップを埋めることを可能にする。
• 参考スコア（独自算出の注目度）: 37.358554029394604
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Individual agent capabilities have advanced rapidly through modular skills and tool integrations, yet multi-agent systems remain constrained by fixed team structures, tightly coupled coordination logic, and session-bound learning. We argue that this reflects a deeper absence: a principled organisational layer that governs how a workforce of agents is assembled, governed, and improved over time, decoupled from what individual agents know. To fill this gap, we introduce \emph{OneManCompany (OMC)}, a framework that elevates multi-agent systems to the organisational level. OMC encapsulates skills, tools, and runtime configurations into portable agent identities called \emph{Talents}, orchestrated through typed organisational interfaces that abstract over heterogeneous backends. A community-driven \emph{Talent Market} enables on-demand recruitment, allowing the organisation to close capability gaps and reconfigure itself dynamically during execution. Organisational decision-making is operationalised through an \emph{Explore-Execute-Review} ($\text{E}^2$R) tree search, which unifies planning, execution, and evaluation in a single hierarchical loop: tasks are decomposed top-down into accountable units and execution outcomes are aggregated bottom-up to drive systematic review and refinement. This loop provides formal guarantees on termination and deadlock freedom while mirroring the feedback mechanisms of human enterprises. Together, these contributions transform multi-agent systems from static, pre-configured pipelines into self-organising and self-improving AI organisations capable of adapting to open-ended tasks across diverse domains. Empirical evaluation on PRDBench shows that OMC achieves an $84.67\%$ success rate, surpassing the state of the art by $15.48$ percentage points, with cross-domain case studies further demonstrating its generality.
• Abstract（参考訳）: 個々のエージェント機能は、モジュール化されたスキルとツールの統合を通じて急速に進歩していますが、固定されたチーム構造、密結合した調整ロジック、セッションバウンド学習によって、マルチエージェントシステムは制約を受けています。 これは、エージェントの労働力の組み立て、管理、改善の仕方を管理する、原則化された組織層であり、個々のエージェントが知っているものと切り離されている、という、深い欠如を反映している、と私たちは主張する。 このギャップを埋めるために、マルチエージェントシステムを組織レベルに高めるフレームワークである \emph{OneManCompany (OMC) を紹介します。 OMCは、スキル、ツール、ランタイム構成を‘emph{Talents}’と呼ばれるポータブルエージェントIDにカプセル化する。 コミュニティ主導の‘emph{Talent Market’は、オンデマンドの採用を可能にし、組織が能力ギャップを埋め、実行中に動的に自分自身を再構成することを可能にする。 組織的意思決定は、計画、実行、評価を単一の階層ループで統一する、 \emph{Explore-Execute-Review} ($\text{E}^2$R)ツリーサーチによって行われる。 このループは、人間の企業のフィードバックメカニズムを反映しながら、終了とデッドロックの自由に関する正式な保証を提供する。 これらのコントリビューションは、静的で設定済みのパイプラインから、さまざまなドメインにわたるオープンなタスクに適応可能な、自己組織化された自己改善型のAI組織に変換する。 PRDBenchの実証的な評価は、OCCが8,4.67 %の成功率を達成し、最先端の15.48 %を突破し、クロスドメインケーススタディはその一般化をさらに証明していることを示している。

関連論文リスト

• OrgAgent: Organize Your Multi-Agent System like a Company [75.47076168155817]
  企業スタイルの階層型マルチエージェントフレームワークであるOrgAgentを紹介します。 企業スタイルの階層で組織されたマルチエージェントシステムは、一般的に他の組織構造よりも優れています。
  論文  参考訳（メタデータ） (2026-04-01T15:21:14Z)
• 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)
• 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)
• Federation of Agents: A Semantics-Aware Communication Fabric for Large-Scale Agentic AI [1.8244641115869653]
  エージェントのフェデレーション(FoA)は,マルチエージェントのコーディネーションを動的かつ能力駆動的なコラボレーションに変換する分散オーケストレーションフレームワークである。 FoAは、セマンティック埋め込みを通じてエージェント機能を検索可能にするマシン可読プロファイルであるVersioned Capability Vectors (VCVs)を導入した。 単一モデルベースラインよりも13倍の改善が見られ、クラスタリング強化労働力は複雑な推論タスクに特に有効である。
  論文  参考訳（メタデータ） (2025-09-24T14:38:06Z)
• AgentOrchestra: Orchestrating Hierarchical Multi-Agent Intelligence with the Tool-Environment-Agent(TEA) Protocol [22.406849007798858]
  本稿では,環境,エージェント,ツールを統一システムに統合するツール-環境-エージェントプロトコルを提案する。 本稿では,複雑な目的を分解し,特殊エージェントをコーディネートする中央計画エージェントを備えた階層型マルチエージェントフレームワークであるAgensOrchestraを紹介する。
  論文  参考訳（メタデータ） (2025-06-14T13:45:37Z)
• 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)
• Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
  G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。 G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
  論文  参考訳（メタデータ） (2024-10-06T10:49:40Z)

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。