論文の概要: Markets, Not Planners: Decentralized Orchestration of LLM Agents with Private Information
- arxiv url: http://arxiv.org/abs/2608.23867v1
- Date: Mon, 24 Aug 2026 22:15:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-26 14:09:34.645376
- Title: Markets, Not Planners: Decentralized Orchestration of LLM Agents with Private Information
- Title（参考訳）: 市場, プランナーではなく: LLMエージェントと私的情報の分散オーケストレーション
- Abstract要約: 我々はAgentLanceを導入し、エージェントが個人のコストと自己維持戦略ノートを使ってタスクを入札する労働市場について紹介する。
AgentLanceは、単一モデル、集中型オーケストレーション、市場ベースラインを一貫して上回る。
- 参考スコア（独自算出の注目度）: 16.55988307561715
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: As LLM agents proliferate, built by different parties and with different capabilities and costs, orchestrating them is more like assembling labor across the economy than a computer calling a subroutine. Existing orchestration is typically centralized, with a single planner assigning every task, but this creates a bottleneck as agent pools grow, requires private information (e.g., agents' execution costs), and can easily be manipulated, such that a single inserted preference nearly doubles a favored agent's task share under a centralized LLM allocator. We introduce AgentLance, a repeated labor market in which agents bid on tasks using their private costs and self-maintained strategy notes, an allocator selects winners from bids and public reputation records, and a VCG-style payment rule rewards cost-aware bidding. Complex tasks are handled by hierarchical delegation: winning agents can decompose work and subcontract it through the same mechanism. Across mathematical reasoning, code generation, knowledge-intensive QA, and agentic tasks, AgentLance matches agents to their specializations, shifts work toward cheaper agents as cost sensitivity rises, and consistently outperforms single-model, centralized-orchestration, and market baselines. Diagnosing market failures, including inaccurate cost self-estimation and sub-optimal bidding, then correcting them in controlled experiments yields further gains, charting a path toward more efficient agent economies.
- Abstract（参考訳）: LLMエージェントは、異なるパーティによって構築され、さまざまな能力とコストで増殖するので、それらを編成することは、サブルーチンと呼ばれるコンピュータよりも、経済全体にわたって労働を組み立てるようなものです。
既存のオーケストレーションは通常中央集権的であり、単一のプランナーがすべてのタスクを割り当てるが、エージェントプールが成長するにつれてボトルネックが発生し、プライベート情報(エージェントの実行コストなど)が要求されるため、単一の挿入された好みが、中央集権的なLLMアロケータの下で好まれるエージェントのタスク共有のほぼ2倍になるように簡単に操作できる。
本稿では,AgentLanceについて紹介する。AgentLanceは,エージェントが個人費用と自己維持型戦略ノートを用いてタスクを入札する繰り返し労働市場であり,アロケータが入札と公的な評判記録から勝者を選定し,VCG方式の支払いルールが費用を意識した入札に報いる。
複雑なタスクは階層的なデリゲートによって処理される: 勝利エージェントは作業を分解し、同じメカニズムを通じてそれをサブコントラクションすることができる。
数学的推論、コード生成、知識集約型QA、エージェントタスク全体にわたって、AgentLanceはエージェントをその特殊化にマッチさせ、コストの感度が上昇するにつれてより安価なエージェントに移行し、単一モデル、集中型オーケストレーション、市場ベースラインを一貫して上回る。
不正確なコスト自己見積や準最適入札を含む市場の失敗を診断し、制御された実験で修正すると、さらなる利益が得られ、より効率的なエージェント経済への道筋が表れる。
関連論文リスト
- EASy: Towards Efficient LLM-Based Agentic System [54.10819421625103]
強化学習によるタスク性能と計算効率を協調的に最適化する訓練可能なエージェントフレームワークであるEASyを提案する。
EASyはLLMベースのオーケストレータに異種エグゼキュータの能力とコストプロファイルを明確に把握し、パフォーマンスのみのルーティング以上のコンテキスト依存的な調整を可能にする。
さらに、複雑なタスクを管理可能なマイルストーンに分解し、依存性を意識した実行グラフを構築し、適切なエグゼキュータを割り当て、その後の決定を中間的な結果に適用しながら、独立したステップを並列化するマイルストーン計画実行ワークフローも導入されている。
論文 参考訳（メタデータ） (2026-08-05T08:50:36Z) - Benchmarking Open-Ended Multi-Agent Coordination in Language Agents [48.1363632826625]
Alemは、手続き的に生成されたコーディネーションタスク、ソフトな特殊化、コミュニケーション、制御可能なコーディネーションの難しさを、長い水平サバイバルの世界に埋め込む。
Craftaxライクなダイナミックス上に構築されたオープンなマルチエージェント協調のためのJAXベースのベンチマークである$alem$を紹介します。
論文 参考訳（メタデータ） (2026-06-06T21:13:43Z) - Economy of Minds: Emerging Multi-Agent Intelligence with Economic Interactions [80.74432115171285]
我々は,エージェントの集団が集中管理なしで,より強力な集団知能に自己整合し,自己適応する方法について検討する。
フリードリッヒ・ハイエク(Friedrich Hayek)の市場における非中央集権的協調に関する経済理論に触発され、エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー(エージェント・エコノミー)を通じて、エージェント・エコノミー(エージェント・エコノミー)が行動の権利を競い、支払いを交換し、環境報酬から富を蓄積する権利を競う。
弱いエージェントによって、経済は創発的な多段階推論戦略を生み出し、5つのエージェントタスクで強力なモノリシックベースラインを上回ります。
論文 参考訳（メタデータ） (2026-06-01T20:21:09Z) - A Novel Hierarchical Multi-Agent System for Payments Using LLMs [1.8717456484053328]
本研究は、支払い完了のためのエンドツーエンドのエージェント手法を提供する階層型マルチエージェントシステム(HMASP)を提案する。
我々の知る限り、HMASPは、エンドツーエンドのエージェント支払いを実装する最初のLLMベースのマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-02-27T14:58:13Z) - Scaling Small Agents Through Strategy Auctions [6.863341991827782]
我々は,小エージェントの性能が深層検索やコーディングタスクにおいて,タスクの複雑さを伴ってスケールしないことを示す。
フリーランサーマーケットプレースにインスパイアされたエージェントフレームワークである、ワークロード効率のためのStrategy Auctionsを紹介する。
SALEは最大のエージェントへの依存を53%減らし、全体のコストを35%減らし、最大のエージェントのpass@1を継続的に改善することを示した。
論文 参考訳（メタデータ） (2026-02-02T20:05:51Z) - COALESCE: Economic and Security Dynamics of Skill-Based Task Outsourcing Among Team of Autonomous LLM Agents [0.0]
COALESCEは、自律型大規模言語モデル(LLM)エージェントが特定のサブタスクを、特殊で費用対効果の高いサードパーティのLCMエージェントにアウトソースできるように設計された、新しいフレームワークである。
239の理論的シミュレーションによる総合的な検証は41.8%のコスト削減の可能性を示している。
240の実際のLCMタスクにわたる大規模な実証検証により、適切なエプシロン-グレディー探索によって20.3%のコスト削減が確認された。
論文 参考訳（メタデータ） (2025-06-02T17:22:47Z) - The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。
我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
論文 参考訳（メタデータ） (2025-05-23T11:40:58Z) - A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。
具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。
我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
論文 参考訳（メタデータ） (2023-10-03T16:05:48Z) - Many learning agents interacting with an agent-based market model [0.0]
反応型エージェントベースモデルと相互作用する最適な実行取引エージェントの学習のダイナミクスを考察する。
このモデルは、最適な実行学習エージェント、最小限の知的流動性テイカー、高速な電子流動性プロバイダによって表される3つの栄養レベルを持つ市場エコロジーを表している。
学習可能な最適な実行エージェントを組み込むことで、経験的データと同じ複雑さで動的に生成できるかどうかを検討する。
論文 参考訳（メタデータ） (2023-03-13T18:15:52Z) - Multi-Agent Neural Rewriter for Vehicle Routing with Limited Disclosure
of Costs [65.23158435596518]
チームのマルコフゲームとして、部分的に観測可能なコストでマルチサイクルルーティング問題を解く。
我々のマルチエージェント強化学習アプローチである、いわゆるマルチエージェントニューラルリライタは、1エージェントニューラルリライタを利用して、反復的に書き換えるソリューションによって問題を解決する。
論文 参考訳（メタデータ） (2022-06-13T09:17:40Z)
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。