論文の概要: Autonomous Event-Driven Multi-Agent Orchestration for Enterprise AI at Scale

• arxiv url: http://arxiv.org/abs/2606.20058v1
• Date: Thu, 18 Jun 2026 10:32:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.799039
• Title: Autonomous Event-Driven Multi-Agent Orchestration for Enterprise AI at Scale
• Title（参考訳）: 大規模エンタープライズAIのための自律的なイベント駆動型マルチエージェントオーケストレーション
• Authors: Harsh Rao Dhanyamraju, Leonidas Raghav, Aaron Lee,
• Abstract要約: DAG PlanとExecuteとReActを208のプロダクション由来のエンタープライズシナリオで評価する。 本稿では,優先度推論,関連イベントのマージ,プリエンプションによる継続的操作のためのタスクマネージャを提案する。
• 参考スコア（独自算出の注目度）: 0.19116784879310023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Enterprise AI aims to move toward continuous event monitoring, detection, and action across specialist agents, yet existing multi-agent systems largely assume discrete request-response workflows and remain underexplored at enterprise scale. We evaluate DAG Plan and Execute and ReAct across 208 production-derived enterprise scenarios spanning Persona (<10 agents), Department (20-80), and Enterprise (200) scales, and introduce a Task Manager for continuous operation via priority inference, related-event merging, and preemption. Results show that scale, not task complexity, dominates orchestration performance: both architectures perform well at small scale but degrade at enterprise scale as agent discovery noise becomes the primary bottleneck, with simple tasks degrading more sharply than complex ones. DAG Plan and Execute offers higher precision and structured parallelization at smaller scales, but its higher overhead worsens at enterprise scale; ReAct is more robust by handling failures incrementally. The Task Manager reduces high-priority queue latency by 14-75% and improves related-event correctness by over 20 percentage points at enterprise scale.
• Abstract（参考訳）: Enterprise AIは、専門エージェント間の継続的なイベント監視、検出、アクションへの移行を目的としているが、既存のマルチエージェントシステムは、主に個別の要求応答ワークフローを前提としており、エンタープライズ規模で過小評価されている。 DAG Plan and Execute and ReActは、Persona (10エージェント)、Department (20-80)、Enterprise (200)のスケールにまたがる208のプロダクション由来のエンタープライズシナリオで評価し、優先度推論、関連するイベントのマージ、プリエンプションによる継続的運用のためのタスクマネージャを導入する。 両方のアーキテクチャは、小規模ではうまく機能しますが、エージェント発見ノイズが主要なボトルネックとなり、単純なタスクは複雑なものよりも格段に低下します。 DAG PlanとExecuteは、より精度が高く、より小さなスケールで構造化された並列化を提供するが、そのオーバーヘッドは企業規模で悪化する。 Task Managerは、高優先度キューのレイテンシを14～75%削減し、エンタープライズスケールで20ポイント以上改善する。

関連論文リスト

• Step-level Optimization for Efficient Computer-use Agents [51.29573359027217]
  我々は、強力なコンピュータ利用エージェントは、実際は高価で遅いと論じている。 本稿では,コンピュータ利用エージェントのためのイベント駆動ステップレベルカスケードを提案する。
  論文  参考訳（メタデータ） (2026-04-29T19:59:36Z)
• Small Model as Master Orchestrator: Learning Unified Agent-Tool Orchestration with Parallel Subtask Decomposition [61.291733522717415]
  Agent-as-Toolは並列オーケストレーションのパラダイムであり、エージェントとツールの両方を標準化された学習可能なアクション空間に緩和する。 ParaManagerは、サブタスク解決から計画決定を分離し、ステート対応の並列サブタスク分解、デリゲート、非同期実行を可能にする。 実験により、ParaManagerは複数のベンチマークで高い性能を示し、目に見えないモデルプールの下で堅牢な一般化を示す。
  論文  参考訳（メタデータ） (2026-04-18T14:41:27Z)
• MagicAgent: Towards Generalized Agent Planning [73.21129030631421]
  汎用エージェント計画に特化して設計された基盤モデルである textbfMagicAgent について述べる。 多様な計画タスクにまたがる高品質なトラジェクトリを生成する軽量でスケーラブルな合成データフレームワークを提案する。 MagicAgent-32B と MagicAgent-30B-A3B は様々なオープンソースベンチマークにおいて優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-02-22T01:39:16Z)
• Scaling Small Agents Through Strategy Auctions [6.863341991827782]
  我々は,小エージェントの性能が深層検索やコーディングタスクにおいて,タスクの複雑さを伴ってスケールしないことを示す。 フリーランサーマーケットプレースにインスパイアされたエージェントフレームワークである、ワークロード効率のためのStrategy Auctionsを紹介する。 SALEは最大のエージェントへの依存を53%減らし、全体のコストを35%減らし、最大のエージェントのpass@1を継続的に改善することを示した。
  論文  参考訳（メタデータ） (2026-02-02T20:05:51Z)
• Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
  大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。 クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2025-05-26T07:02:17Z)
• EmbodiedAgent: A Scalable Hierarchical Approach to Overcome Practical Challenge in Multi-Robot Control [2.9374620169143673]
  EmbodiedAgentは異種マルチロボット制御のための階層的なフレームワークである。 提案手法は,次アクション予測パラダイムと構造化メモリシステムを統合し,タスクを実行可能なロボットスキルに分解する。 100のシナリオにまたがる18,000以上のアノテートされたプランニングインスタンスのデータセットであるMultiPlan+を紹介します。
  論文  参考訳（メタデータ） (2025-04-14T09:33:42Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。