論文の概要: How Much Coordination Gain Is Real? A Paired Noise-Floor Protocol for Multi-Agent LLM Benchmarks

• arxiv url: http://arxiv.org/abs/2606.20695v1
• Date: Mon, 15 Jun 2026 07:25:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 16:06:34.552707
• Title: How Much Coordination Gain Is Real? A Paired Noise-Floor Protocol for Multi-Agent LLM Benchmarks
• Title（参考訳）: コーディネーションの利得はどれくらいか?マルチエージェントLCMベンチマークのためのペアリングノイズフロアプロトコル
• Authors: Alibek T Kaliyev, Artem Maryanskyy,
• Abstract要約: マルチエージェント調整の論文は、小さなベンチマークデルタを、1つのアーキテクチャがもう1つのアーキテクチャに勝っている証拠として報告している。 以前の質問は、APIインプットが設定等価である場合、2つのプロトコルが同じモデルとベンチマークでどれだけ異なるかである。 クロードハイク4.5とタウ2ベンチ小売では、クリーン等価コントラスト(no_coord vs. インターセプト)は2つのn=100種に+10ppと0ppの符号付きギャップを与える。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multi-agent LLM coordination papers report small benchmark deltas as evidence that one architecture beats another. A prior question: how much paired trial-0 disagreement do two protocols produce on the same model and benchmark when their API inputs are configuration-equivalent (matched by code inspection plus a SHA-256 byte audit), short of full identity-replay? On Claude Haiku 4.5 against tau^2-bench retail, the clean configuration-equivalent contrast (no_coord vs. intercept, both inert at trial 0) gives signed paired gaps of +10pp and 0pp across two n=100 seeds; pooled across both, +5pp with Wilson CI [-2,+12], not significant. The largest single-seed contrast (+18pp pull-vs-intercept, p_corr=0.012) did not reproduce at the second seed (-3pp, p_corr=1.0); no trial-0 contrast is significant after Bonferroni at either seed or pooled. The envelope of observed paired gaps spans [-3,+18]pp across two seeds, with pooled upper Wilson CI ~15pp. Seven of ten recent multi-agent coordination architectures report headline effects below this local floor, and one more sits inside the envelope; whether they survive a same-model paired replication is, by construction, untested in their original settings. We define coordination-active pass^k, pass^k restricted to trials where the coordination mechanism is logically active, as the minimum reporting protocol, with sample-size targets and runtime hooks in the body. Measurements run on ET-MCP, a task-scoped negative-knowledge store conformant with MCP 2026-07-28, used as a substrate to isolate reader-side choices, not as a contribution. On Haiku 4.5 the candidate readers (pull, intercept) do not improve trial-1 recovery; we give a preliminary diagnosis of failure modes with refinements on existing production hook surfaces.
• Abstract（参考訳）: マルチエージェントLLM調整論文は、小さなベンチマークデルタを、1つのアーキテクチャがもう1つのアーキテクチャに勝っている証拠として報告している。 以前の質問:2つのプロトコルが同一モデルとベンチマークで、API入力が設定等価である場合(コード検査とSHA-256バイトの監査によってマッチングされる)に、どの程度の差が生じるか? クロード・ハイク 4.5 対 tau^2-bench 小売では、クリーンな構成等価コントラスト (no_coord vs. intercept, both inert at trial 0) は、2つの n=100 シードに +10pp と 0pp の符号付きペアギャップを与える。 最大コントラスト (+18pp pull-vs-intercept, p_corr=0.012) は第2シード (-3pp, p_corr=1.0) では再現されなかった。 2つの種子に[-3,+18]pp, 上層ウィルソンCI ~15ppに分布する。 最近の10のマルチエージェント調整アーキテクチャのうち7つは、このローカルフロアの下に見出し効果を報告し、もう1つはエンベロープの中に置かれている。 我々は、調整機構が論理的にアクティブである試験に制限された調整活性パス^kを、サンプルサイズのターゲットと実行時フックを本体に配置した最小の報告プロトコルとして定義する。 MCP 2026-07-28に準拠したタスクスコープの負知識ストアであるET-MCP上では、コントリビューションではなく、読み取り側の選択を分離するための基質として使用される。 俳句4.5では,候補読者(プル,インターセプト)はトライアル-1リカバリを改善せず,既存のフック面を改良した故障モードの予備診断を行う。

関連論文リスト

• Layer-Isolated Evaluation: Gating the Deterministic Scaffold of a Production LLM Agent with a No-LLM, Regression-Locked Test Harness [45.148328075418156]
  デプロイされた注文エージェントは、階層の固定された分類に分解される。 純粋なスイートは、ロックされたスライス単位のベースラインに対して、すべての変更でCIで動作する。 制御されたレグレッションインジェクションにより、安全でない7つの層に一度に1つの層を分解し、検証する。
  論文  参考訳（メタデータ） (2026-06-10T05:55:13Z)
• Token-Level Generalization in LoRA Adapter Backdoors: Attack Characterization and Behavioral Detection [0.0]
  我々はLoRAをトレーニングデータ中毒によって確実にバックドアできることを示す。 攻撃はランクとともに単調にスケールし、選択されたトリガーアンカートークンはトリガー依存とベースモデル依存の両方である。 行動検出はサプライチェーンスキャンの操作可能な結果である。
  論文  参考訳（メタデータ） (2026-05-28T16:32:25Z)
• Entity-Collision: A Stratified Protocol for Attributing Retrieval Lift in Agent Memory [0.0]
  エンドツーエンドのエージェント-メモリベンチマークでは、レトリバー毎に単一の hit@k が報告されている。 本稿では,BM25フロアを構造的に固定するシステムに依存しないプロトコルであるエンティティ・コリジョンを提案する。
  論文  参考訳（メタデータ） (2026-05-28T09:02:48Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
  コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。 我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
  論文  参考訳（メタデータ） (2025-03-07T08:41:53Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Analyzing and Mitigating Interference in Neural Architecture Search [96.60805562853153]
  本研究では、異なる子モデルをサンプリングし、共有演算子の勾配類似度を計算することで干渉問題を解明する。 これら2つの観測から着想を得て、干渉を緩和するための2つのアプローチを提案する。 検索したアーキテクチャは、RoBERTa$_rmbase$が1.1、0.6、ELECTRA$_rmbase$が1.6、テストセットであるGLUEベンチマークで1.1より優れています。
  論文  参考訳（メタデータ） (2021-08-29T11:07:46Z)
• Disentangle Your Dense Object Detector [82.22771433419727]
  深層学習に基づく高密度物体検出器はここ数年で大きな成功を収め、ビデオ理解などのマルチメディアアプリケーションにも応用されてきた。 しかし、現在の高密度検出器の訓練パイプラインは、保持できない多くの接続に妥協されている。 そこで本研究では, 簡易かつ効果的な遠心分離機構を設計し, 現在の最先端検出器に統合するDED(Disentangled Dense Object Detector)を提案する。
  論文  参考訳（メタデータ） (2021-07-07T00:52:16Z)

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。