論文の概要: Multi-Agent Transactive Memory

• arxiv url: http://arxiv.org/abs/2606.19911v1
• Date: Thu, 18 Jun 2026 08:04:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.72008
• Title: Multi-Agent Transactive Memory
• Title（参考訳）: Multi-Agent Transactive Memory
• Authors: To Eun Kim, Xuhong He, Dishank Jain, Ambuj Agrawal, Negar Arabzadeh, Fernando Diaz,
• Abstract要約: 検索システムは、エージェント集団全体にわたる再利用のためのエージェント生成アーティファクトを整理することができる。 エージェント生成トラジェクトリの集団レベルでの記憶と検索のためのフレームワークとして,Multi-Agent Transactive Memory (MATM)を提案する。 実験により, MATM からトラジェクトリを抽出することで, 下流作業性能が向上し, 協調訓練や共同訓練を伴わずに, インタラクションのステップが短縮されることが示された。
• 参考スコア（独自算出の注目度）: 45.60102898683406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The decentralized deployment of LLM agents with diverse capabilities across diverse tasks motivates infrastructure for knowledge sharing across heterogeneous agent populations. Just as search engines index human-generated artifacts to support human problem solving, retrieval systems can organize agent-generated artifacts for reuse across agent populations. We extend retrieval-augmented generation - which demonstrates the value of human-authored artifacts to individual agents - to retrieval of agent-generated artifacts supporting a population of agents. In particular, agent trajectories encode reusable procedural knowledge, yet these artifacts are typically discarded after a single use or retained only by the producing agent, forcing newly instantiated agents to repeatedly rediscover existing solutions. We propose Multi-Agent Transactive Memory (MATM), a framework for population-level storage and retrieval of agent-generated trajectories, where producer agents contribute trajectories to a shared repository and consumer agents retrieve them to improve task execution. We focus on interactive environments (ALFWorld and WebArena), where trajectories are long and encode especially rich procedural structure. Our experiments demonstrate that retrieving trajectories from MATM improves downstream task performance and reduces interaction steps without coordination or joint training. These results position MATM as a design pattern for population-level experience sharing in open agent ecosystems.
• Abstract（参考訳）: 多様なタスクにまたがる多様な能力を持つLLMエージェントの分散デプロイは、異種エージェント集団間の知識共有のためのインフラストラクチャーを動機付けている。 検索エンジンが人間の問題解決を支援するために人為的人工物をインデックスするのと同じように、検索システムはエージェント集団全体にわたって再利用するためのエージェント生成人工物を整理することができる。 エージェントの集団を支えるエージェント生成アーティファクトの検索には、人間による承認されたアーティファクトの価値を個々のエージェントに示す検索強化ジェネレーションが有効である。 特に、エージェント・トラジェクトリーは再利用可能な手続き的知識を符号化するが、これらのアーティファクトは通常、単一の使用後に破棄されるか、生成エージェントによってのみ保持される。 提案するMATM(Multi-Agent Transactive Memory)は,プロデューサが共有リポジトリにトラジェクトリをコントリビュートし,コンシューマエージェントがタスク実行を改善するためにトラジェクトリを検索する,エージェント生成トラジェクトリの集団レベルの記憶と検索のためのフレームワークである。 対話型環境 (ALFWorld と WebArena) に焦点をあて, トラジェクトリは長く, 特に手続き構造が豊富である。 実験により, MATM からトラジェクトリを抽出することで, 下流作業性能が向上し, 協調訓練や共同訓練を伴わずに, インタラクションのステップが短縮されることが示された。 これらの結果から,MATMはオープンエージェントエコシステムにおける集団レベルの体験共有のためのデザインパターンとして位置づけられた。

関連論文リスト

• Learning to Retrieve from Agent Trajectories [72.8923565916533]
  我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。 エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。 本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
  論文  参考訳（メタデータ） (2026-03-30T17:59:02Z)
• 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)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは、特殊エージェントをマルチエージェントシステムに自動的に拡張するジェネリックメソッドである。 EvoAgent は LLM エージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)
• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)

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。