論文の概要: Dynamic Trust-Aware Sparse Communication Topology for LLM-Based Multi-Agent Consensus

• arxiv url: http://arxiv.org/abs/2606.01828v1
• Date: Mon, 01 Jun 2026 07:42:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:31.573741
• Title: Dynamic Trust-Aware Sparse Communication Topology for LLM-Based Multi-Agent Consensus
• Title（参考訳）: LLMに基づくマルチエージェント・コンセンサスのための動的信頼度を考慮したスパース通信トポロジー
• Authors: Wanshuang Gou, Zihan Liu,
• Abstract要約: 本稿では,動的信頼を意識したスパースコンセンサス機構であるDySCoを提案する。 エージェントの信頼性、応答のばらつき、タスクの関連性に基づいて通信エッジの値を推定し、メッセージ交換のための少数の高値エッジを選択する。 その後、動的信頼度を通じて異なるエージェントの回答を集約し、合意が安定すれば早期に議論を終了する。
• 参考スコア（独自算出の注目度）: 8.002017617206407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model-driven multi-agent systems enhance the reliability of complex reasoning tasks through multi-round deliberation, role specialization, and cross-validation. However, existing multi-agent debate and collaboration frameworks typically adopt fully connected communication, causing the number of messages, token costs, and end-to-end latency to grow approximately quadratically with the number of agents; although fixed sparse topologies reduce overhead, they cannot adapt communication relationships to different task instances or intermediate reasoning states, making them prone either to preserving low-value interactions or to losing critical error-correction information. To address this problem, this paper proposes DySCo (Dynamic Sparse Consensus), a dynamic trust-aware sparse consensus mechanism. In each round of reasoning, DySCo estimates the value of communication edges based on agent reliability, answer divergence, and task relevance, and selects a small number of high-value edges for message exchange under budget constraints; it then aggregates the answers of different agents through dynamic trust weights and terminates the discussion early once consensus stabilizes. This mechanism replaces universal broadcasting with on-demand communication, thereby reducing communication overhead while preserving essential cross-validation information. We further present analyses of communication complexity and consensus stability, and evaluate the performance of DySCo on mathematical reasoning, logical reasoning, and factual question-answering tasks.
• Abstract（参考訳）: 大規模言語モデル駆動型マルチエージェントシステムは、多ラウンドの議論、役割の専門化、相互検証を通じて複雑な推論タスクの信頼性を高める。 しかし、既存のマルチエージェントの議論とコラボレーションのフレームワークでは、メッセージ数、トークンコスト、エンドツーエンドのレイテンシがエージェント数とほぼ2次的に増加するのが普通であり、固定されたスパーストポロジはオーバーヘッドを減らしているが、異なるタスクインスタンスや中間的推論状態との通信関係を適応できないため、低値のインタラクションを保存するか、重大なエラー訂正情報を失う傾向にある。 本稿では,動的信頼度を考慮したスパースコンセンサス機構であるDySCo(Dynamic Sparse Consensus)を提案する。 それぞれの推論において、DySCoはエージェントの信頼性、応答のばらつき、タスクの関連性に基づいて通信エッジの値を推定し、予算制約の下でメッセージ交換のための少数の高値エッジを選択します。 このメカニズムは、ユニバーサル放送をオンデマンド通信に置き換え、必須のクロスバリデーション情報を保持しながら通信オーバーヘッドを低減する。 さらに,コミュニケーションの複雑性とコンセンサス安定性の分析を行い,DySCoの数学的推論,論理的推論,事実的質問応答における性能評価を行った。

関連論文リスト

• Quantifying Conversational Reliability of Large Language Models under Multi-Turn Interaction [0.0]
  大きな言語モデル(LLM)は、ユーザが拡張された混合トピックの会話を行う現実世界のアプリケーションに、ますます多くデプロイされている。 我々は,3つの代表課題を通じて,会話の信頼性を体系的に評価する。 我々は信頼性の大幅な低下、特により小さなモデルについて観察する。
  論文  参考訳（メタデータ） (2026-03-02T03:59:40Z)
• AgentLongBench: A Controllable Long Benchmark For Long-Contexts Agents via Environment Rollouts [78.33143446024485]
  我々は、横方向思考パズルに基づく環境ロールアウトによるエージェントの評価を行うtextbfAgentLongBenchを紹介した。 このフレームワークは、知識集約的で知識のないシナリオにまたがる厳密な相互作用の軌跡を生成する。
  論文  参考訳（メタデータ） (2026-01-28T16:05:44Z)
• Agent-Dice: Disentangling Knowledge Updates via Geometric Consensus for Agent Continual Learning [41.461840578204956]
  大言語モデル(LLM)ベースのエージェントは、破滅的な忘れをせずに新しいタスクを学習する。 Agent-Diceは指向性コンセンサス評価に基づくパラメータ融合フレームワークである。 GUIエージェントとツール使用エージェントドメインの実験は、Agent-Diceが優れた連続学習性能を示すことを示した。
  論文  参考訳（メタデータ） (2026-01-07T06:43:50Z)
• 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)
• Benefits and Limitations of Communication in Multi-Agent Reasoning [11.788489289062312]
  マルチエージェントシステムの表現性を解析するための理論的枠組みを提案する。 i) タスクを正確に解くために必要なエージェントの数, (ii) エージェント間通信の量と構造, (iii) 達成可能なスピードアップを問題サイズとコンテキストスケールとして導出する。 本研究は,コミュニケーションが有益である状況を特定し,エージェント数と帯域幅のトレードオフを明確化し,いずれのリソースにも制約がある場合の本質的な制約を明らかにする。
  論文  参考訳（メタデータ） (2025-10-14T20:04:27Z)
• Exchange-of-Thought: Enhancing Large Language Model Capabilities through Cross-Model Communication [76.04373033082948]
  大規模言語モデル(LLM)は、最近、Chain-of-Thoughtテクニックによる複雑な推論タスクにおいて大きな進歩を遂げました。 本稿では,問題解決時のクロスモデル通信を可能にする新しいフレームワークであるExchange-of-Thought (EoT)を提案する。
  論文  参考訳（メタデータ） (2023-12-04T11:53:56Z)

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。