論文の概要: HyLaT: Efficient Multi-Agent Communication via Hybrid Latent-Text Protocol

• arxiv url: http://arxiv.org/abs/2605.25421v1
• Date: Mon, 25 May 2026 04:50:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:19.290273
• Title: HyLaT: Efficient Multi-Agent Communication via Hybrid Latent-Text Protocol
• Title（参考訳）: HyLaT:ハイブリッド遅延テキストプロトコルによる効率的なマルチエージェント通信
• Authors: Xinyi Mou, Siyuan Wang, Zejun Li, Yulan He, Zhongyu Wei,
• Abstract要約: HyLaTは、遅延チャネルを介して詳細な認知信号を伝達し、効率を上げるためのハイブリッド潜在テキスト通信プロトコルである。 エージェントがハイブリッドメッセージを生成・解釈できるように、シングルエージェントハイブリッド生成学習とマルチエージェントインタラクティブコトレーニングを組み合わせた2段階のトレーニングフレームワークを提案する。 実験により、HyLaTは、多様な設定で強力な一般化と堅牢性を持って、競争力のあるタスク性能を維持しながら、通信オーバーヘッドを著しく低減することが示された。
• 参考スコア（独自算出の注目度）: 54.411053382333996
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Communication protocol design is a central challenge in large language model-based multi-agent systems. Existing single-channel approaches face an inherent communication trilemma: text-based methods are interpretable but verbose, while latent-space methods are efficient but opaque and limited to unidirectional workflows. Inspired by multi-channel communication theory, we propose HyLaT, a hybrid latent-text communication protocol that transmits elaborate cognitive signals through a latent channel for efficiency, while expressing concise critical signals in natural language to preserve interpretability and precision. We introduce a two-stage training framework combining single-agent hybrid generation learning and multi-agent interactive co-training, enabling agents to generate and interpret hybrid messages across multiple rounds of interaction. Experiments demonstrate that HyLaT reduces communication overhead significantly while maintaining competitive task performance, with strong generalization and robustness across diverse settings.
• Abstract（参考訳）: 通信プロトコル設計は、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において中心的な課題である。 テキストベースのメソッドは解釈可能であるが冗長であり、潜在空間のメソッドは効率的だが不透明であり、一方向のワークフローに限定されている。 マルチチャネル通信理論に着想を得たHyLaTを提案する。HyLaTは,自然言語で簡潔な臨界信号を表現し,解釈可能性と精度を保ちながら,潜時通信を通して精巧な認知信号を効率よく伝達するハイブリッドテキスト通信プロトコルである。 エージェントが複数ラウンドの対話でハイブリッドメッセージを生成・解釈できるように、単エージェントハイブリッド生成学習と多エージェントインタラクティブコトレーニングを組み合わせた2段階のトレーニングフレームワークを提案する。 実験により、HyLaTは、多様な設定で強力な一般化と堅牢性を持って、競争力のあるタスク性能を維持しながら、通信オーバーヘッドを著しく低減することが示された。

関連論文リスト

• The Five Ws of Multi-Agent Communication: Who Talks to Whom, When, What, and Why -- A Survey from MARL to Emergent Language and LLMs [17.78378587855649]
  本調査では,Five Wsを通じてマルチエージェントコミュニケーション(MA-Comm)について検討する。 コミュニケーションのアプローチが3つの主要なパラダイムにまたがってどのように進化してきたのかを辿る。 我々は,スケーラブルで解釈可能なマルチエージェントコラボレーションのための学習,言語,制御を組み合わせた未来のハイブリッドシステムを支援するために,実用的な設計パターンとオープン課題を抽出する。
  論文  参考訳（メタデータ） (2026-02-12T05:07:50Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Token Communication in the Era of Large Models: An Information Bottleneck-Based Approach [55.861432910722186]
  UniToComは、トークンを処理と無線通信の両方の基本的な単位として扱う統一トークン通信パラダイムである。 本稿では,重要な情報を保持するトークンの学習を容易にする生成情報ボトルネック(GenIB)の原理を提案する。 我々は、離散トークンと連続トークンの両方の処理を統合するために、因果変換器に基づくマルチモーダル言語モデル(MLLM)を受信機に採用する。
  論文  参考訳（メタデータ） (2025-07-02T14:03:01Z)
• Interpretable Emergent Language Using Inter-Agent Transformers [0.0]
  本稿では,変圧器を用いたマルチエージェント強化学習における言語の出現について検討する。 本稿では, 自己認識を利用して, 記号的, 人間の理解可能な通信プロトコルを学習する, 微分可能言語間変換器を提案する。
  論文  参考訳（メタデータ） (2025-05-04T18:57:57Z)
• LangCoop: Collaborative Driving with Language [13.25814019477039]
  LangCoopは、自然言語をエージェント間通信のためのコンパクトで表現力のある媒体として活用する、協調自律運転の新しいパラダイムである。 LangCoopは、画像ベースの通信に比べて、通信帯域幅(メッセージあたり2KB)が96%減少している。
  論文  参考訳（メタデータ） (2025-04-18T02:03:14Z)
• Multi-Modal Self-Supervised Semantic Communication [52.76990720898666]
  本稿では,マルチモーダルな自己教師型学習を活用し,タスク非依存の特徴抽出を強化するマルチモーダルセマンティックコミュニケーションシステムを提案する。 提案手法は,訓練関連通信オーバーヘッドを最小限に抑えつつ,モダリティの不変性とモダリティ特有の特徴の両方を効果的に捉えている。 この結果は、セマンティックコミュニケーションにおけるマルチモーダルな自己教師型学習の利点を浮き彫りにし、より効率的でスケーラブルなエッジ推論システムへの道を開いた。
  論文  参考訳（メタデータ） (2025-03-18T06:13:02Z)
• Bidirectional Emergent Language in Situated Environments [4.950411915351642]
  マルチエージェントポンとコレクターの2つの新しい協調環境を紹介した。 最適なパフォーマンスには通信プロトコルの出現が必要ですが、適度な成功はそれなしで達成できます。 エージェントは意味のあるメッセージのみを生成し、調整なしでは成功できない状態の受信メッセージに作用する。
  論文  参考訳（メタデータ） (2024-08-26T21:25:44Z)
• Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
  本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。 本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-02-11T07:19:45Z)

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。