論文の概要: MANTA: Multi-Agent Network Topology Adaptation for Self-Evolving Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2607.28527v1
- Date: Thu, 30 Jul 2026 17:01:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.684253
- Title: MANTA: Multi-Agent Network Topology Adaptation for Self-Evolving Multi-Agent Systems
- Title（参考訳）: MANTA: 自己進化型マルチエージェントシステムのためのマルチエージェントネットワークトポロジー適応
- Authors: Mao-xun Huang, Jerry Wang, Yi-Cheng Lai, Zhengxin Zhang, Claire Cardie, Hen-Hsen Huang,
- Abstract要約: 本稿では,通信構造を推論時に自己進化させるフレームワークであるMANTAを紹介する。
MANTAはコラボレーショントレースを監視し、現在の組織が不十分になった時に境界構造を更新する。
我々は、情報探索、ツールの使用、計画、ワークフローの実行、数学的推論にまたがる5つのベンチマークで、代表的単エージェントとマルチエージェントのベースラインに対してMANTAを評価した。
- 参考スコア（独自算出の注目度）: 21.24883490496992
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model-based multi-agent systems improve complex problem solving through task decomposition, agent specialization, information exchange, and intermediate validation. However, existing systems typically treat communication topology as a fixed design choice or an offline optimization target. We introduce MANTA, a framework for Multi-Agent Network Topology Adaptation that enables communication structures to self-evolve at inference time. Before execution, MANTA initializes a task-conditioned topology from prior structural experience. During deployment, it monitors collaboration traces and applies bounded structural updates when the current organization becomes insufficient. These updates can modify agent roles, communication links, execution order, information visibility, and validation pathways while preserving the task interface and agent budget. We evaluate MANTA against representative single-agent and multi-agent baselines on five benchmarks spanning information seeking, tool use, planning, workflow execution, and mathematical reasoning. MANTA achieves the highest average score of 74.0, outperforming the strongest baseline by 5.8 percentage points and obtaining the best result on PlanCraft. These results show that inference-time self-improvement can extend to the architecture of collaboration itself.
- Abstract（参考訳）: 大規模言語モデルに基づくマルチエージェントシステムは、タスク分解、エージェントの特殊化、情報交換、中間検証を通じて複雑な問題解決を改善する。
しかし、既存のシステムは一般に、通信トポロジを固定設計の選択またはオフライン最適化ターゲットとして扱う。
本稿では,Multi-Agent Network Topology AdaptationのフレームワークであるMANTAを紹介する。
MANTAは実行前に、以前の構造的経験からタスク条件付きトポロジーを初期化する。
デプロイメント中は、コラボレーショントレースを監視し、現在の組織が不十分になった場合に境界付き構造更新を適用する。
これらの更新は、タスクインターフェースとエージェント予算を維持しながら、エージェントロール、通信リンク、実行順序、情報可視化、バリデーションパスを変更することができる。
我々は、情報探索、ツールの使用、計画、ワークフローの実行、数学的推論にまたがる5つのベンチマークで、代表的単エージェントとマルチエージェントのベースラインに対してMANTAを評価した。
MANTAは平均スコア74.0で、最強のベースラインを5.8ポイント上回り、プランクラフトで最高の結果を得る。
これらの結果は、推論時間による自己改善が、コラボレーション自体のアーキテクチャにまで拡張可能であることを示している。
関連論文リスト
- Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。
数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。
我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文 参考訳（メタデータ） (2026-01-27T13:43:59Z) - MetaGen: Self-Evolving Roles and Topologies for Multi-Agent LLM Reasoning [11.023742160114763]
推論時に役割空間とコラボレーショントポロジの両方を適応させる、トレーニング不要のフレームワークであるMetaGenを紹介します。
MetaGenは、強力なマルチエージェントベースラインに対する精度とコストのトレードオフを改善する。
論文 参考訳（メタデータ） (2026-01-27T07:24:35Z) - Multi-Agent Systems for Dataset Adaptation in Software Engineering: Capabilities, Limitations, and Future Directions [8.97512410819274]
本稿では,データセット適応タスクにおいて,最先端のマルチエージェントシステムがどのように機能するかについて,最初の実証的研究を行う。
我々は、GitHub Copilotを評価し、ROCODEやLogHub2.0といったベンチマークリポジトリからSE研究成果物を適用する。
その結果、現在のシステムはキーファイルを識別し、部分的な適応を生成することができるが、正しい実装を生成することは滅多にない。
論文 参考訳（メタデータ） (2025-11-26T13:26:11Z) - AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。
エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
論文 参考訳（メタデータ） (2025-10-06T23:20:49Z) - AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。
提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
論文 参考訳（メタデータ） (2025-06-21T18:34:43Z) - AgentOrchestra: Orchestrating Hierarchical Multi-Agent Intelligence with the Tool-Environment-Agent(TEA) Protocol [22.406849007798858]
本稿では,環境,エージェント,ツールを統一システムに統合するツール-環境-エージェントプロトコルを提案する。
本稿では,複雑な目的を分解し,特殊エージェントをコーディネートする中央計画エージェントを備えた階層型マルチエージェントフレームワークであるAgensOrchestraを紹介する。
論文 参考訳（メタデータ） (2025-06-14T13:45:37Z) - Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。
本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。
大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
論文 参考訳（メタデータ） (2024-10-03T04:07:51Z)
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。