論文の概要: Learning to Hand Off: Provably Convergent Workflow Learning under Interface Constraints
- arxiv url: http://arxiv.org/abs/2605.19140v1
- Date: Mon, 18 May 2026 21:48:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.00477
- Title: Learning to Hand Off: Provably Convergent Workflow Learning under Interface Constraints
- Title（参考訳）: ハンドオフの学習 - インターフェース制約下でのワークフロー学習の収束性
- Abstract要約: 専門エージェントが共有アーティファクトを介してコントロールをオフにする環境で、ワークフロー学習を研究する。
集中学習者はジョイントトラジェクトリにアクセスできません。
我々はこの規則をインタフェース制約付き半マルコフ決定過程として定式化する。
- 参考スコア（独自算出の注目度）: 12.525080969061298
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study workflow learning in a setting where specialized agents hand off control through a shared artifact, each agent observes only a local function of that artifact and its own private state, and no centralized learner accesses joint trajectories -- the operating regime of multi-agent LLM pipelines that span organizational, vendor, or trust boundaries. We formalize this regime as an interface-constrained semi-Markov decision process (IC-SMDP), whose decision epochs occur at handoff times, and design IC-$Q$, an asynchronous decentralized $Q$-learning algorithm in which cross-agent coordination at every handoff is exactly one scalar. Our main result is a finite-sample bound for neural IC-$Q$ that decomposes into three independently controllable error sources: neural function-approximation error, interface representation gap, and a mixing-time residual, under the random option-duration discount. Establishing this bound requires lifting the approximate information state (AIS) framework from single-agent primitive-step MDPs to multi-agent SMDPs and controlling Markovian noise under random duration, neither of which has been done in prior work. To our knowledge this is the first finite-sample guarantee for neural $Q$-learning under decentralized partial observability. Four experiments: a controlled synthetic IC-SMDP that validates the bound term-by-term, multi-LLM mathematical reasoning, multi-agent routing, and multi-agent CPU programming, show that IC-$Q$ matches a centralized oracle without any agent observing joint trajectories, with each of the three error sources scaling along its corresponding axis as the bound predicts.
- Abstract（参考訳）: 各エージェントは、そのアーティファクトと自身のプライベートステートのローカル機能のみを観察し、集中的な学習者は、組織、ベンダー、信頼境界にまたがるマルチエージェントLPMパイプラインの運用体制であるジョイントトラジェクトリにアクセスしない。
本稿では,インタフェース制約付きセミマルコフ決定プロセス(IC-SMDP)として定式化するとともに,各ハンドオフにおけるクロスエージェント協調を正確に1つのスカラーとする非同期分散Q$学習アルゴリズムであるIC-$Q$を設計する。
我々の主な成果は、ニューラルネットワークの有限サンプルバウンドで、ランダムなオプションデューレーション割引の下で、独立に制御可能な3つのエラーソース(ニューラル関数近似誤差、インタフェース表現ギャップ、混合時間残差)に分解する。
この境界を確立するには、単一エージェントのプリミティブステップ MDP からマルチエージェントの SMDP への近似情報状態 (AIS) フレームワークの引き上げと、マルコフノイズをランダムに制御する必要がある。
我々の知る限り、これは分散部分可観測性の下での神経的な$Q$学習に対する最初の有限サンプル保証である。
4つの実験: 制御された合成IC-SMDPは、長期、複数LLMの数学的推論、マルチエージェントルーティング、マルチエージェントCPUプログラミングを検証し、IC-$Q$が結合軌道を観察するエージェントなしで中央のオラクルと一致することを示す。
関連論文リスト
- On the Reliability Limits of LLM-Based Multi-Agent Planning [19.02132233132541]
本技術は, LLMに基づくマルチエージェント計画の信頼性限界を委譲決定問題として検討する。
LLMに基づくマルチエージェントアーキテクチャを有限非巡回決定ネットワークとしてモデル化し、複数のプロセスがモデルコンテキスト情報を共有する。
新しい信号がなければ、任意の委任されたネットワークは決定論的に、同じ情報にアクセス可能な集中型ベイズ意思決定者によって支配されていることを示す。
論文 参考訳（メタデータ） (2026-03-27T21:07:42Z) - On Performance Guarantees for Federated Learning with Personalized Constraints [1.0195618602298684]
フェデレートラーニング(FL)は、複数のエージェントにまたがる分散ラーニングのための通信効率のよいアルゴリズムフレームワークとして登場した。
そこで我々は,PC-FedAvgを提案する。PC-FedAvgはマルチブロック局所決定ベクトルを用いて,各エージェントが他エージェントの変数の相互推定を行う手法である。
我々は,サブ最適化のために$mathcalO(-2)$,エージェントワイド実現のために$mathcalO(-1)$の通信複雑度を定めている。
論文 参考訳（メタデータ） (2026-03-20T03:49:28Z) - Information Fidelity in Tool-Using LLM Agents: A Martingale Analysis of the Model Context Protocol [69.11739400975445]
モデルコンテキストプロトコル(MCP)エージェントにおけるエラー蓄積を解析するための最初の理論的枠組みを紹介する。
累積歪みが線形成長と高確率偏差を$O(sqrtT)$で表すことを示す。
主な発見は、意味重み付けは歪みを80%減らし、周期的再接地は、エラー制御の約9ステップごとに十分である。
論文 参考訳（メタデータ） (2026-02-10T21:08:53Z) - Phase Transition for Budgeted Multi-Agent Synergy [41.486076708302456]
マルチエージェントシステムは信頼性を向上させることができるが、固定された推論予算の下では、しばしば役立つか、飽和するか、崩壊するかさえある。
我々は、現代のエージェントスタックの3つの束縛制約からこれらの状態を予測する最小限の校正可能な理論を開発する。
論文 参考訳（メタデータ） (2026-01-24T05:32:50Z) - Regret Lower Bounds for Decentralized Multi-Agent Stochastic Shortest Path Problems [1.1575091540914677]
最短経路(SSP)問題は、このような設定で分散制御をモデル化するための自然なフレームワークを提供する。
線形関数近似による分散マルチエージェントSSP(Dec-MASSP)について検討する。
新たな対称性に基づく議論を応用し、最適政策の構造を同定する。
論文 参考訳（メタデータ） (2025-11-06T17:49:33Z) - A Communication-Efficient Decentralized Actor-Critic Algorithm [5.138643040049347]
本研究では,各エージェントがポリシーと値関数の局所的な更新を行う分散アクタ批判学習フレームワークを開発する。
このローカルトレーニング戦略は、ネットワーク間の協調を維持しながら、通信負担を大幅に削減する。
論文 参考訳（メタデータ） (2025-10-22T03:15:52Z) - DASA: Delay-Adaptive Multi-Agent Stochastic Approximation [64.32538247395627]
我々は,N$エージェントが並列に動作し,中央サーバと通信することで,一般的な近似問題を高速化することを目的とした設定を考える。
遅延とストラグラーの効果を軽減するために,マルチエージェント近似のための遅延適応アルゴリズムである textttDASA を提案する。
論文 参考訳（メタデータ） (2024-03-25T22:49:56Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z) - Adaptive Stochastic ADMM for Decentralized Reinforcement Learning in
Edge Industrial IoT [106.83952081124195]
強化学習 (Reinforcement Learning, RL) は, 意思決定および最適制御プロセスのための有望な解法として広く研究されている。
本稿では,Adaptive ADMM (asI-ADMM)アルゴリズムを提案する。
実験の結果,提案アルゴリズムは通信コストやスケーラビリティの観点から技術状況よりも優れており,複雑なIoT環境に適応できることがわかった。
論文 参考訳（メタデータ） (2021-06-30T16:49:07Z) - Coded Stochastic ADMM for Decentralized Consensus Optimization with Edge
Computing [113.52575069030192]
セキュリティ要件の高いアプリケーションを含むビッグデータは、モバイルデバイスやドローン、車両など、複数の異種デバイスに収集され、格納されることが多い。
通信コストとセキュリティ要件の制限のため、核融合センターにデータを集約するのではなく、分散的に情報を抽出することが最重要となる。
分散エッジノードを介してデータを局所的に処理するマルチエージェントシステムにおいて,モデルパラメータを学習する問題を考える。
分散学習モデルを開発するために,乗算器アルゴリズムの最小バッチ交互方向法(ADMM)のクラスについて検討した。
論文 参考訳（メタデータ） (2020-10-02T10:41:59Z) - F2A2: Flexible Fully-decentralized Approximate Actor-critic for
Cooperative Multi-agent Reinforcement Learning [110.35516334788687]
分散マルチエージェント強化学習アルゴリズムは複雑なアプリケーションでは実践的でないことがある。
本稿では,大規模で汎用的なマルチエージェント設定を扱える,柔軟な完全分散型アクター批判型MARLフレームワークを提案する。
当社のフレームワークは,大規模環境におけるスケーラビリティと安定性を実現し,情報伝達を低減できる。
論文 参考訳（メタデータ） (2020-04-17T14:56:29Z)
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。