論文の概要: Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology
- arxiv url: http://arxiv.org/abs/2608.20494v1
- Date: Thu, 20 Aug 2026 18:30:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.156685
- Title: Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology
- Title（参考訳）: マルチエージェントシステムの交通モデリングに向けて:コーディネーショントポロジの役割
- Abstract要約: マルチエージェントLLMシステムは内部でリクエストを生成する。
単一ユーザタスクは、調整ロジックによってタイミングが制御されるモデル呼び出しの構造化シーケンスを誘導することができる。
人間駆動のワークロード用に設計された古典的なトラフィックモデルがこの設定に適用されるかどうかは不明だ。
- 参考スコア（独自算出の注目度）: 1.8105377206423159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent LLM systems are an emerging networked workload whose rapid deployment raises questions about the traffic patterns they generate. Compared to conventional applications, these systems generate requests internally: a single user task can induce a structured sequence of model calls whose timing is governed by coordination logic rather than by user arrival rate. It is not clear whether classical traffic models, designed for human-driven workloads, apply to this setting. We present an empirical characterisation of LLM-call interarrival time distributions across sequential, star, and full-mesh agentic coordination topologies, using a multi-layer measurement framework over 500 repeated runs per topology. We find that topology fundamentally shapes the arrival process of requests to the LLM backend: fan-out coordination introduces a structural bimodality absent in sequential execution, and the reasoningphase component is best described by a log-normal distribution, with the Poisson exponential null model decisively rejected across all topologies. These differences propagate to inference and network level metrics. The framework and analysis pipeline are released openly at https://github.com/dlamagna/agentraffic.
- Abstract（参考訳）: マルチエージェントLSMシステムは、ネットワーク化された新たなワークロードであり、迅速なデプロイメントは、それらが生成するトラフィックパターンに関する疑問を提起する。
単一のユーザタスクは、ユーザの到着率ではなく調整ロジックによって制御されるモデル呼び出しの構造化シーケンスを誘導することができる。
人間駆動のワークロード用に設計された古典的なトラフィックモデルがこの設定に適用されるかどうかは不明だ。
逐次的, スター, フルメッシュなエージェントコーディネートトトポロジにまたがるLCM呼出時間分布の実証的特性を, 500回以上の繰り返しランを用いた多層測定フレームワークを用いて提示する。
ファンアウトコーディネートは逐次実行に欠如する構造的二相性を導入し、推論相成分は対数正規分布により最もよく説明され、ポアソン指数零モデルはすべてのトポロジで決定的に拒否される。
これらの違いは、推論とネットワークレベルのメトリクスに伝播する。
フレームワークと分析パイプラインはhttps://github.com/dlamagna/agentraffic.comで公開されている。
関連論文リスト
- Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - INFRAMIND: Infrastructure-Aware Multi-Agent Orchestration [18.376319491516266]
INFRAMINDは,マルチエージェントスタック全体のインフラストラクチャを意識するフレームワークである。
赤外線対応エグゼキュータは、各エージェントステップでモデルキュー毎の深さ、キャッシュ利用、レスポンス待ち時間を観察し、どのモデルを呼び出すかを決定する。
予算対応スケジューラは、各モデルのキューをさらにリオーダーして、緊急要求を先に提供する。
論文 参考訳（メタデータ） (2026-06-09T20:50:12Z) - Adaptive Multimodal Agents-Based Framework for Automatic Workflow Execution [1.2132786136735432]
本稿では,異なる2相パイプラインによる自動ワークフロー実行を実現するための,新しいマルチエージェントフレームワークを提案する。
推論の間、エージェントはこの固定された事前確立されたグラフに対して適応検索拡張生成(RAG)を利用する。
実世界の文脈でフレームワークを検証し、限られたトレーニングデータであっても高い信頼性とセマンティックな認識を維持する能力を示す。
論文 参考訳（メタデータ） (2026-05-27T15:23:22Z) - AgensFlow: A Coordination-Policy Substrate for Multi-Agent Systems [0.0]
AgensFlowは、部分的な可観測性の下でのオンラインポリシー学習問題としてマルチエージェントコーディネーションを扱う。
AgensFlowは、分散システムインシデントタスクとセキュリティ管理者タスクの2つのコーパスで評価されている。
論文 参考訳（メタデータ） (2026-05-26T08:10:52Z) - Task-Aware LLM Routing with Multi-Level Task-Profile-Guided Data Synthesis for Cold-Start Scenarios [51.44288759906005]
大規模言語モデル(LLM)は、タスクやクエリにまたがるパフォーマンスと計算コストにかなりのばらつきを示す。
本稿では,タスクタイプ変数によるクエリ条件付きコストと性能をモデル化するタスクタイプ対応ルータTを紹介する。
論文 参考訳（メタデータ） (2026-04-10T14:46:20Z) - Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs [62.17306142810532]
ヘテロジニアスLSMクラスタ上で動作するマルチエージェントワークフローの予測スケジューリングシステムであるChimeraを提案する。
Chimeは最高のレイテンシをトレースし、エンドツーエンドのレイテンシを1.2-2.4$times$で削減し、タスクパフォーマンスを平均8.0-9.5ポイント改善する。
論文 参考訳（メタデータ） (2026-03-23T17:01:42Z) - OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models [57.94189874119267]
マルチエージェントシステム(MAS)は複雑な問題を解決するための強力なパラダイムを提供する。
現在のグラフ学習に基づく設計手法は、しばしば「1対1」のパラダイムに準拠している。
自然言語で記述されたタスクに対して適応的な協調グラフを生成する一対一のフレームワークOFA-TADを提案する。
論文 参考訳（メタデータ） (2026-01-19T12:23:44Z) - Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。
条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。
各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。
実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-09T05:28:28Z) - 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) - Multi-Agent Routing Value Iteration Network [88.38796921838203]
疎結合グラフの学習値に基づいてマルチエージェントルーティングを行うことができるグラフニューラルネットワークに基づくモデルを提案する。
最大25ノードのグラフ上で2つのエージェントでトレーニングしたモデルでは,より多くのエージェントやノードを持つ状況に容易に一般化できることが示されている。
論文 参考訳（メタデータ） (2020-07-09T22:16:45Z)
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。