論文の概要: Semantic Register Compression in Multi-Agent LLM Cascades

• arxiv url: http://arxiv.org/abs/2607.14119v2
• Date: Sat, 18 Jul 2026 06:29:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.014545
• Title: Semantic Register Compression in Multi-Agent LLM Cascades
• Title（参考訳）: マルチエージェントLLMカスケードにおけるセマンティックレジスタ圧縮
• Abstract要約: 我々はセマンティックレジスタ圧縮をマルチエージェントカスケードにおける観測可能な障害モードとして表現する。 文変換器の埋め込み空間におけるラベル間分離による圧縮の定量化を行う。 これらの結果は,マルチエージェントLLMシステムにおいて,意味レジスタ圧縮が測定可能な現象であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent LLM systems commonly decompose complex tasks into specialized roles. However, this modularity introduces a representational risk: when intermediate agents transform text across linguistic registers, they can systematically compress the semantic distinctions needed for accurate downstream decisions. We term this phenomenon semantic register compression and characterize it as an observable failure mode in multi-agent cascades. Using a three-agent pipeline (Collector-Evaluator-Decider), we quantify compression via inter-label separation in sentence-transformer embedding space. Across political fact-checking (LIAR), sentiment analysis (SST-5), and medical triage (Triagegeist), critical evaluation reduces label separability at the Evaluator stage, while identity passthrough preserves it nearly fully. Five controlled variants show that geometric change depends on the specific intermediate transformation rather than on the mere presence of an additional cascade stage. A credibility-seeking variant expands rather than compresses inter-label separation, while shifting outputs toward mostly-true, demonstrating that transformation valence controls both the direction and the sign of geometric change independently of compression magnitude. Compression generalizes across the three domains with domain-dependent intensity (10.3% in fact-checking, 28.2% in sentiment, 9.1% in triage). A 20-level prompt gradient reveals a non-monotonic compression profile: balanced evaluative prompts produce the strongest compression, while extreme critical prompts show irregular moderate compression. These results demonstrate that semantic register compression is a measurable and generalizable phenomenon in multi-agent LLM systems, with implications for safety evaluation in high-stakes domains.
• Abstract（参考訳）: マルチエージェントLLMシステムは、一般的に複雑なタスクを専門的な役割に分解する。 しかし、このモジュラリティは表現上のリスクをもたらす:中間エージェントが言語レジスタをまたいでテキストを変換するとき、正確な下流決定に必要な意味的区別を体系的に圧縮することができる。 この現象を意味レジスタ圧縮と呼び、マルチエージェントカスケードにおける観測可能な障害モードとして特徴付ける。 3エージェントパイプライン(コレクタ・評価器・決定器)を用いて,文変換器の埋め込み空間におけるラベル間分離による圧縮の定量化を行う。 政治的ファクトチェック(LIAR)、感情分析(SST-5)、医用トリアージ(トリアージスト)を通じて、評価段階におけるラベルの分離性が低下し、アイデンティティーパススルーはほぼ完全に保存される。 5つの制御された変種は、幾何学的な変化は、追加のカスケードステージの存在よりも、特定の中間変換に依存することを示している。 信頼性を求める変種は、ラベル間の分離を圧縮するのではなく拡張し、出力をほぼ真にシフトさせ、変換価が圧縮の大きさとは無関係に方向と幾何学的変化の兆候を制御していることを示す。 圧縮はドメインに依存した強度(事実チェックでは10.3%、感情では28.2%、トリアージでは9.1%)で一般化される。 20レベルのプロンプト勾配は、非単調な圧縮プロファイルを明らかにする:バランスの取れた評価プロンプトは、最も強い圧縮を生成する一方、極端な臨界プロンプトは不規則な適度な圧縮を示す。 これらの結果から, セマンティックレジスタ圧縮はマルチエージェントLLMシステムにおいて測定可能かつ一般化可能な現象であり, 高い領域での安全性評価に寄与することが示唆された。

関連論文リスト

• SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
  推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。 既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。 明示的なWhat-whereインターフェースであるSeGDePを提示する。
  論文  参考訳（メタデータ） (2026-09-08T15:11:32Z)
• Align, Unify, Suppress, Route: A Coherentist View of Transformer Computation [0.0]
  コヒーレント主義の確率的構成主義は、コヒーレント主義の解釈理論における変圧器の計算を基礎としている。 5つのアーキテクチャファミリーの15モデルのうち、抑制、統一、ルーティングのウェイトスペースシグネチャは、保持されたアクティベーションレベルの役割尺度と相関する。 明示的な矛盾は14モデルにおいて階層的コヒーレンスプロキシを著しくシフトさせ、共有残差を除去した後、そのギャップは各モデルで予測される方向を持つ。
  論文  参考訳（メタデータ） (2026-08-22T16:29:20Z)
• Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
  単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。 既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。 本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
  論文  参考訳（メタデータ） (2026-07-08T09:27:15Z)
• Rethinking the Role of Tensor Decompositions in Post-Training LLM Compression [68.1291440835878]
  分解は有望な方向として現れ、トランスフォーマーの重み構造に適したコンパクトなパラメータ化を提供する。 既存の研究では、これらの手法を狭い環境で評価しており、大規模展開においてテンソル化が有効かどうかは不明である。 我々は高密度およびMoEのテンソル圧縮を体系的に評価し、経験的解析と理論的解析の両方に基礎を置いた性能トレードオフを確立する。
  論文  参考訳（メタデータ） (2026-06-02T10:45:21Z)
• AGORA: Adapter-Grounded Observation-Action Retention for Inference-Free Prompt Compression in LLM Agents [3.9004035576487817]
  トークンレベルの抽出圧縮機はLLM剤には構造的に不適切であることを示す。 本稿では,構造的プロンプトを組み込んだ推論不要なステップレベル圧縮機であるAGORAについて紹介する。
  論文  参考訳（メタデータ） (2026-05-26T06:29:44Z)
• Context Pruning for Coding Agents via Multi-Rubric Latent Reasoning [14.508049757681862]
  LLMベースのコーディングエージェントは、トークンの予算の大部分をリポジトリファイルを読むのに費やしている。 この定式化がモデリングのボトルネックを生み出すことを示す。 コード関連性を2つの解釈可能な品質次元に分解する構造化プルーニングフレームワークであるLaMRを提案する。
  論文  参考訳（メタデータ） (2026-05-14T18:30:10Z)
• Beyond the Attention Stability Boundary: Agentic Self-Synthesizing Reasoning Protocols [6.357772907811544]
  SSRP(Self- Synthesizing Reasoning Protocols)は、アーキテクチャ計画と手続き実行の分離を実装するメタ認知フレームワークである。 提案する実験層は,浅電流に基づく検索パイロット,高エントロピーSOP,セマンティックハイジャック3ホップ多要素合成タスクの3種類である。 以上の結果から,GPT 5.4の非定常バニラ基準線が0.1%に崩壊し,SSRPは715X耐力限界を達成した。
  論文  参考訳（メタデータ） (2026-04-27T14:13:30Z)
• Unsupervised Behavioral Compression: Learning Low-Dimensional Policy Manifolds through State-Occupancy Matching [42.26405543045843]
  アクションベースのポリシー圧縮(APC)は、サンプル非効率であると広く認識されている。 我々は,行動表現を即時的行動マッチングから長期的状態空間カバレッジにシフトさせることにより,APCを向上させるOccupancy-based Policy Compression (OPC)を紹介した。 これらの修正により、生成モデルは真の機能的類似性を取り巻く潜在空間を整理し、幅広い振る舞いを一般化する潜在表現を促進する。
  論文  参考訳（メタデータ） (2026-03-27T23:16:27Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• MARS-Sep: Multimodal-Aligned Reinforced Sound Separation [72.85468563236005]
  MARS-Sepは音分離のための強化学習フレームワークである。 クリッピングされた信頼領域サロゲートによって最適化された、ファクタライズされたベータマスクポリシを学ぶ。 複数のベンチマークの実験は、テキスト、オーディオ、イメージ-キュード分離において一貫した利得を示している。
  論文  参考訳（メタデータ） (2025-10-12T09:05:28Z)
• Compression Hacking: A Supplementary Perspective on Informatics Properties of Language Models from Geometric Distortion [56.12939353271623]
  幾何学的観点から、高度に圧縮されたLMのワード表現空間は、非常に異方性のある状態に縮退する傾向がある。 この同期性は基本的にLM表現におけるCompression Hacking''である。 幾何学的歪み解析を取り入れ, 自己評価パイプラインに統合することにより, 高精度な3つの圧縮指標を提案する。
  論文  参考訳（メタデータ） (2025-05-23T12:11:03Z)

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。