論文の概要: Right-Sizing LLM-Agent Decomposition in VAT Determination: A Pilot Controlled Sweep
- arxiv url: http://arxiv.org/abs/2608.23395v1
- Date: Mon, 24 Aug 2026 15:40:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.18228
- Title: Right-Sizing LLM-Agent Decomposition in VAT Determination: A Pilot Controlled Sweep
- Title（参考訳）: VAT測定における右型LDM-Agent分解:パイロット制御スウィープ
- Abstract要約: このパイロットは、逆電荷による境界境界VAT決定の選択について研究する。
アクティビティサーフェスを固定する(サブタスク、ツール、I/Oスキーマ、検証チェック、オーケストレータ、ベースモデル、マージポリシー)。
プログラムは40ケースのメインスイープ、マッチしたトケンアーム、エージェントカウント効果から即時予算を分離する3つの失敗インジェクションアームを含む4,400回に及ぶ。
- 参考スコア（独自算出の注目度）: 0.3384279376065155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent LLM-agent systems make conflicting design bets: decompose work across many narrow agents, or use one strong tool-using agent. This pilot studies that choice on bounded cross-border VAT determination with reverse charge, where every case has an oracle label and each intermediate decision is independently scoreable. We hold the activity surface fixed (subtasks, tools, I/O schemas, validation checks, orchestrator, base model, and merge policy) and vary only the assignment of subtasks to workers across four orchestrated configurations, from one wide worker to five narrow ones, against S0, a tuned no-orchestrator single agent, with a deterministic rule engine as oracle. The program spans 4,400 runs: a 40-case, five-repeat main sweep, matched-token arms separating prompt-budget from agent-count effects, and three failure-injection arms, all judged against pre-registered falsification criteria. The two intermediate configurations lead on accuracy (0.830, against endpoints at 0.720 and 0.770) but miss the pre-stated bar against the fine endpoint, so the intermediate-optimum hypothesis remains unsupported at pilot scale. The single agent does not Pareto-dominate the orchestrated set. The matched-token criterion fires: the budget-matched single agent lands 6.5 points below the leader, but the interval includes zero, so any advantage is consistent with a prompt-budget explanation. Under injection, availability faults are absorbed at every granularity, with wide-scope restart over-recovering its baseline by +0.160, while one schema-conforming hallucinated record degrades every configuration and inverts the ordering, hitting fragmented configurations hardest. The contribution is a bounded, preregistered pilot heuristic for right-sizing decomposition (place one partition boundary at the dependency-layer midpoint), released with oracle, dataset, harness, raw traces, and analysis pipeline.
- Abstract（参考訳）: 最近のLLMエージェントシステムは、多くの狭いエージェントを分解したり、強力なツールを使用するエージェントを1つ使うという、矛盾する設計の賭けをしている。
このパイロットは、各ケースがオラクルラベルを持ち、それぞれの中間決定が独立にスコア可能な、逆電荷による境界境界VAT決定の選択について研究する。
アクティビティサーフェス(サブタスク、ツール、I/Oスキーマ、検証チェック、オーケストレータ、ベースモデル、マージポリシ)を固定し、サブタスクの割り当てだけを4つのオーケストレート構成(広義のワーカーから狭義の5つまで)に限定します。
プログラムは40ケース、5リピート・メイン・スイープ、エージェント・カウント・エフェクトから即時予算を分離するマッチド・トケン・アーム、3つの失敗・インジェクション・アーム(いずれも登録済みのファルシフィケーション基準から判断される)の4,400回に及ぶ。
2つの中間配置は精度(0.720と0.770のエンドポイントに対して0.830)に導かれるが、未定の細いエンドポイントに対するバーを見逃しているため、中間最適仮説はパイロットスケールではサポートされない。
単一のエージェントは、オーケストレーションされたセットをParetoが支配しない。
一致した基準は、予算に適合したシングルエージェントがリーダーより6.5ポイント下まで着地するが、インターバルはゼロであるため、即時予算の説明と矛盾しない。
インジェクションでは、アベイラビリティ障害はすべての粒度で吸収され、ワイドスコープがベースラインを+0.160に再起動し、一方、スキーマ変換された幻覚レコードはすべての構成を劣化させ、順序を逆転させ、断片化された構成を最も難しくする。
コントリビューションは、右サイズの分解(依存層中間点に1つのパーティション境界を置く)のための、境界付き、事前登録されたパイロットヒューリスティックで、オラクル、データセット、ハーネス、生のトレース、分析パイプラインでリリースされている。
関連論文リスト
- Loop-Back Authority in LLM Agent Teams: A Paired Experiment on Flat and Hierarchical Coordination [0.09999629695552194]
階層的なオーケストレーションでは、マネージャエージェントがワーカーの出力をレビューし、それをリビジョンのために送信することができる。
我々は,5つのLLMエージェント,その役割,プロンプト,ツール,モデル,およびデータを固定し,ひとつのリンクを変更可能なペア実験を提案する。
43のペア製品と86のランニングで、ビジネスインテリジェンスレポートタスク、5モデル審査パネル、決定論的仕様チェックがレポート毎にスコアされる。
フラットな組織は、実用性(d = 0.42, p = 0.009)と高いスコアを得る。
論文 参考訳（メタデータ） (2026-09-13T19:58:54Z) - UnitBoost: Managing Compound LLM Systems with a Merge Operator, Not a Model [6.9226744802783955]
UnitBoostは、注文に敏感なモデルコールで3つの制御決定を集中するシステムを置き換える。
オペレータはオーダーフリーで、ユニットの証明を記録し、単純な保証を与える。
絶対タスクスコアポイント0.060-0.195と入力マッチングジェネレーティブマネージャ0.048-0.076で、ゴールドラベルで選ばれた最高のシングル候補を上回っている。
論文 参考訳（メタデータ） (2026-09-09T07:17:23Z) - Privacy-Preserving Topology-Guided Safety for LLM-Based Multi-Agent Systems via Federated Graph Learning [67.04448659688579]
FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
フェデレーションはオプションではなく、オフ・ザ・シェルフ・トランスファーは流通シフトによって崩壊する。
Live FGLGuardは、AgentDojoのグランドサクセスレートを、ほぼ無防備なユーティリティ、APIコストゼロ、無視可能な機能損失で43%削減する。
論文 参考訳（メタデータ） (2026-09-02T07:57:12Z) - From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix [55.08143827481755]
200以上の内部アプリケーションから1つのモデルにトラフィックを集約します。
我々は、各軸ごとに別々のGRPOエキスパートを訓練し、2段階のSLERPを介してそれらをマージする。
このモデルは、プラットフォームトラフィックの50%、月1億6600万リクエストをサービスコストのごく一部で吸収する。
論文 参考訳（メタデータ） (2026-09-01T17:39:26Z) - ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。
全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
論文 参考訳（メタデータ） (2026-06-30T06:06:08Z) - CLQT: A Closed-Loop, Cost-Aware, Strategy-Consistent Benchmark for Diagnostic Evaluation of LLM Portfolio-Management Agents [0.9924185669370708]
CLQTはクローズドループ取引の評価をランキングではなく診断として再設定する。
CLQTは、完全にクローズドループで、コストを意識し、戦略に一貫性があり、時間的に制限された環境である。
論文 参考訳（メタデータ） (2026-06-29T04:26:30Z) - ExecuGraph: A Multi-Agent, Execution-Grounded Framework for Reliable Backend Code Synthesis with Large Language Models [2.3004655342211078]
大規模言語モデルは、もっともらしいバックエンドコードを生成するが、シングルパスパラダイムは、正確性や実行時の信頼性を保証するものではない。
バックエンドコードの中心に実行ベースのバリデーションを置くマルチエージェントフレームワークであるExecuGraphを紹介します。
エージェントごとのアブレーション、再試行予算の掃除、エラークラス分類、およびテストソース監査が報告されている。
論文 参考訳（メタデータ） (2026-06-18T05:58:17Z) - Dynamic Coordination Strategy Selection for Enterprise Multi-Agent Systems [0.0]
本稿では,グローバルに固定されるのではなく,問題クラスによって協調戦略を動的に選択すべきかどうかを評価する。
1,440個の出力はすべて固定されたソンネットルーブリックによって判定される。
企業調整方針は、決定論的勝者選択法ではなく、動的ルーティングをデフォルトとして使用するべきであると結論付けている。
論文 参考訳（メタデータ） (2026-05-30T16:43:02Z) - FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。
各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。
FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
論文 参考訳（メタデータ） (2026-05-30T10:21:20Z) - Coordination as an Architectural Layer for LLM-Based Multi-Agent Systems [0.0]
マルチエージェントLLMシステムは41%から87%の速度で生産に失敗する。
コーディネーションは、エージェントロジックと情報アクセスから分離可能なアーキテクチャ層として扱われるべきである、と我々は主張する。
我々はこれを予測市場における情報制御設計でインスタンス化する。
論文 参考訳（メタデータ） (2026-05-05T02:56:44Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z)
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。