論文の概要: Split over $n$ resource sharing problem: Are fewer capable agents better than many simpler ones?

• arxiv url: http://arxiv.org/abs/2604.26374v1
• Date: Wed, 29 Apr 2026 07:35:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-30 15:59:36.29487
• Title: Split over $n$ resource sharing problem: Are fewer capable agents better than many simpler ones?
• Title（参考訳）: リソース共有問題を$n$で分割する: 多くの単純なエージェントよりも有能なエージェントの方が少ないか?
• Authors: Karthik Soma, Mohamed S. Talamali, Genki Miyauchi, Giovanni Beltrame, Heiko Hamann, Roderich Gross,
• Abstract要約: この研究は、マルチエージェントシステムにおける$n$以上のリソース共有問題を定式化する。 エージェントのディスク形状のフットプリント面積を1/n$とするマルチエージェントカバレッジのケーススタディを提案する。 また,資源分割が個々のエージェントの故障率を増加させる計算機シミュレーションを提案する。
• 参考スコア（独自算出の注目度）: 6.831616239386601
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In multi-agent systems, should limited resources be concentrated into a few capable agents or distributed among many simpler ones? This work formulates the split over $n$ resource sharing problem where a group of $n$ agents equally shares a common resource (e.g., monetary budget, computational resources, physical size). We present a case study in multi-agent coverage where the area of the disk-shaped footprint of agents scales as $1/n$. A formal analysis reveals that the initial coverage rate grows with $n$. However, if the speed of agents decreases proportionally with their radii, groups of all sizes perform equally well, whereas if it decreases proportionally with their footprints, a single agent performs best. We also present computer simulations in which resource splitting increases the failure rates of individual agents. The models and findings help identify optimal distributiveness levels and inform the design of multi-agent systems under resource constraints.
• Abstract（参考訳）: マルチエージェントシステムでは、限られたリソースをいくつかの有能なエージェントに集約するか、もっと単純なエージェントに分散するか? この作業は、$n$エージェントのグループが共通のリソース(例えば、金銭的予算、計算リソース、物理サイズ)を均等に共有する、リソース共有問題に対する$n$以上の分割を定式化する。 エージェントのディスク形状のフットプリント面積を1/n$とするマルチエージェントカバレッジのケーススタディを提案する。 公式な分析によると、最初のカバレッジ率は$n$で増加する。 しかしながら、剤の速度が半径に比例して減少すると、全ての大きさの群は等しく良く、一方、フットプリントに比例して減少すると、単一の剤が最善である。 また,資源分割が個々のエージェントの故障率を増加させる計算機シミュレーションを提案する。 モデルと結果は最適な分配性レベルを特定し、リソース制約下でのマルチエージェントシステムの設計を通知するのに役立つ。

関連論文リスト

• AgentArk: Distilling Multi-Agent Intelligence into a Single LLM Agent [57.10083973844841]
  AgentArkは、マルチエージェントダイナミクスを単一のモデルの重みに蒸留する新しいフレームワークである。 各種モデル,タスク,スケーリング,シナリオの3つの階層的蒸留戦略について検討する。 シミュレーションからトレーニングへ計算の負担をシフトさせることで、蒸留されたモデルは、複数のエージェントの強い推論と自己補正性能を示しながら、一つのエージェントの効率を保ちます。
  論文  参考訳（メタデータ） (2026-02-03T19:18:28Z)
• On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
  大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。 不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。 本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
  論文  参考訳（メタデータ） (2024-08-02T03:25:20Z)
• Strategic Resource Selection with Homophilic Agents [48.83208975886834]
  類似エージェントとの共同資源利用を目指す異種エージェントを用いたリソース選択ゲームを提案する。 モデルでは,異なるタイプのエージェントを考慮し,その決定的特徴はユーザ間の同一型エージェントの割合である。 このような有界な有理性はゲーム理論上有利な性質を持つことを示す。
  論文  参考訳（メタデータ） (2023-05-01T14:14:58Z)
• Impact of Redundancy on Resilience in Distributed Optimization and Learning [4.664766612388049]
  本稿では,サーバアーキテクチャにおける分散最適化と学習のレジリエンスの問題について考察する。 システムはサーバと複数のエージェントから構成され、各エージェントは独自のローカルコスト関数を持つ。 局所コスト関数が十分冗長であることを考えると、実際に$(f, r; epsilon)$-レジリエンスが達成できることが示される。
  論文  参考訳（メタデータ） (2022-11-16T02:23:34Z)
• Distributed Bandits with Heterogeneous Agents [38.90376765616447]
  本稿では、M$エージェントが協力して$K$武器の盗賊問題を解くマルチエージェントの盗賊設定に取り組む。 本稿では,ucbo と AAE の2つの学習アルゴリズムを提案する。 Oleft(sum_i:tildeDelta_i>0 log T/tildeDelta_iright)$, $tildeDelta_i$は報酬平均の最小部分最適差である。
  論文  参考訳（メタデータ） (2022-01-23T20:04:15Z)

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。