論文の概要: Routed Graph Handoff: Adaptive Format Selection for Multi-Agent LLM Delegation

• arxiv url: http://arxiv.org/abs/2608.25277v1
• Date: Wed, 26 Aug 2026 01:24:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.524021
• Title: Routed Graph Handoff: Adaptive Format Selection for Multi-Agent LLM Delegation
• Title（参考訳）: Routed Graph Handoff:マルチエージェントLLMデリゲーションのための適応型フォーマット選択
• Abstract要約: マルチエージェントLLMシステムは、トークン予算の40-60%を消費する自然言語メッセージを介して協調する。 これらを構造化グラフに置き換えると、コストが削減されるが、適応的な推論を必要とするタスクでは失敗する。 我々は,軽量LLMルータが各デリゲートに対して,型付き依存グラフと自然言語を選択可能なtextbfRouted Graph Handoffを提案する。
• 参考スコア（独自算出の注目度）: 7.710397073665042
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multi-agent LLM systems coordinate through natural-language messages that consume 40--60\% of their token budget. Replacing these with structured graphs reduces cost but fails on tasks requiring adaptive reasoning. We propose \textbf{Routed Graph Handoff}, where a lightweight LLM router (155 tokens, 0.15\% overhead) selects between a typed dependency graph and natural language for each delegation. On four benchmarks (1,050+ trajectories), the routed system matches or exceeds NL-only on every task: \textbf{+12.7\,pp} on $τ$-retail at 3.2$\times$ compression ($p{<}0.01$), \textbf{+8.7\,pp} on BrowseComp at 2.2$\times$ compression ($p{<}0.05$), and parity on BFCL and AppWorld. Without the router, graph-only delegation regresses 14.6\,pp on AppWorld; the router eliminates this at near-zero cost. A graph-aware executor prompt is required: the same schema without interpretation guidance yields no gain. An oracle analysis reveals 8.6\,pp of additional headroom, motivating execution-time adaptive routing as future work.
• Abstract（参考訳）: マルチエージェント LLM システムは、トークン予算の 40-60 % を消費する自然言語メッセージを通じて協調する。 構造化グラフで置き換えるとコストが削減されるが、適応的な推論を必要とするタスクでは失敗する。 本稿では,軽量LLMルータ(155トークン,0.15\%オーバヘッド)が各デリゲートに対して,型付き依存グラフと自然言語を選択できる「textbf{Routed Graph Handoff}」を提案する。 4つのベンチマーク(1,050以上のトラジェクトリ)では、ルーティングされたシステムはすべてのタスクでNLのみに対応または超える:$τ$-retail at 3.2$\times$ compression ($p{<}0.01$), \textbf{+8.7\,pp} on BrowseComp at 2.2$\times$ compression ($p{<}0.05$),およびBFCLとAppWorldのパリティ。 ルータがなければ、グラフのみのデリゲートはAppWorldで14.6\,ppを回帰する。 グラフ対応のエグゼキュータプロンプトが必要であり、解釈指示のない同じスキーマでは利得が得られない。 オラクル分析により、将来の作業として実行時適応ルーティングを動機付ける、追加のヘッドルームの8.6\,ppが明らかになった。

関連論文リスト

• DeltaMerge-LowRes: Composing Language and Task Deltas for Low-Resource Adaptation [0.6372261626436676]
  複数言語エンコーダを新しい言語に適応させることで、数百金のサンプルしか持たない新しいタスクが、一般的な低リソースのNLP設定である。 代わりに個別にトレーニングし、重量空間で再結合できるかどうかを問う。 DeltaMergeLowResは、ラベル付きモノリンガルテキストから言語デルタ$_L、ラベル付き英語データからタスクデルタ$_Tを学び、4つのルールのうちの1つで推論時に合成する。
  論文  参考訳（メタデータ） (2026-07-15T15:53:40Z)
• When Does Sparse MoE Help in Vision? The Role of Backbone Compute Leverage in Sparse Routing [7.208745673318648]
  Mixture-of-Experts (MoE)ネットワークは精度の高いトレードオフを約束するが、現実的なビジョン展開は専門家の崩壊によって妨げられる。 ハードキャパシティ制約付き上位k$ルーティングが視覚分類に有効である場合について検討する。
  論文  参考訳（メタデータ） (2026-05-15T00:01:11Z)
• Permutation Routing on Ramanujan Hypergraphs with Applications to Neutral Atom Quantum Architectures [0.0]
  我々は、ハイパーグラフ変換の観点から、再構成可能な格子上の中性原子のルーティングを考える。 ハイパーグラフは、ネナドフの片面スペクトルギャップ仮説を固有値中心に基づく片面条件に置き換えることで、キュービットルーティング問題を再構成する。
  論文  参考訳（メタデータ） (2026-05-04T11:49:16Z)
• Modality-Native Routing in Agent-to-Agent Networks: A Multimodal A2A Protocol Extension [0.0]
  本稿では,Agent-to-Agentネットワークにおけるモダリティネイティブルーティングにより,テキストブートネックベースラインよりもタスクの精度を20パーセント向上することを示す。 本稿では,A2A上のアーキテクチャ層であるMMA2Aについて述べる。
  論文  参考訳（メタデータ） (2026-04-14T02:44:50Z)
• Dual-Pool Token-Budget Routing for Cost-Efficient and Reliable LLM Serving [9.457255218406333]
  プロダクションvLLMフリートは通常、最悪のコンテキスト長に対して各インスタンスをプロビジョニングする。 実際には、80-95%のリクエストは短いが、長いコンテキストに最適化された設定の下で提供される。 本稿では,同種艦隊を2つの専用プールに分割する軽量ディスパッチ機構であるデュアルプールトークン予算ルーティングを提案する。
  論文  参考訳（メタデータ） (2026-04-09T10:47:20Z)
• Task-Adaptive Retrieval over Agentic Multi-Modal Web Histories via Learned Graph Memory [12.639898988889174]
  ACGMは、モダリティ特異的な崩壊を伴う異種時間ダイナミクスを捕捉する。 ACGMは検索品質を textbf82.7 nDCG@10 (+9.3 over GPT-4o, $p0.001$) と textbf89.2% Precision@10 (+7.7) に改善し、19の強い密度、再ランク、マルチモーダル、グラフベースのベースラインを上回った。
  論文  参考訳（メタデータ） (2026-04-09T06:24:16Z)
• When Do Tools and Planning Help LLMs Think? A Cost- and Latency-Aware Benchmark [0.0]
  大規模言語モデルは推論時間計画と推論を改善するための外部ツールにますます依存している。 グラフ構造化知識(Event-QA)に対するイベント中心質問応答と,Reddit ChangeMyView(CMV)における説得応答生成の2つの現実的な設定で,この挙動をベンチマークする。 LangChainとLangGraphを使って、タスク固有のツールを備えたプラン-実行-再計画エージェントとワンショットベースラインを比較します。
  論文  参考訳（メタデータ） (2026-01-06T02:24:29Z)
• Drag-and-Drop LLMs: Zero-Shot Prompt-to-Weights [75.83625828306839]
  textbfDrag-and-Drop LLMs (textitDnD)は、未ラベルのタスクプロンプトをLoRAの重み更新に直接マッピングすることで、タスク単位のトレーニングを廃止する。 ライトウェイトテキストエンコーダは、各プロンプトバッチを条件埋め込みに蒸留し、カスケードされた超畳み込みデコーダによって全LORA行列に変換する。
  論文  参考訳（メタデータ） (2025-06-19T15:38:21Z)
• Towards Efficient Automatic Self-Pruning of Large Language Models [55.90119819642064]
  トレーニング後の構造化プルーニングは、トレーニングを必要とせずに大規模言語モデルを熟成する有望なソリューションである。 この問題を緩和する鍵は、各レイヤのプルーニング率を正確に決定することにある、と我々は主張する。 我々は、レイヤワイドプルーニングレートを効率的に検索するLLMのためのエンドツーエンドの自動自動プルーニングフレームワークである$textbfSelf-Prunerを紹介した。
  論文  参考訳（メタデータ） (2025-02-20T09:59:50Z)
• Graph Sparsification via Mixture of Graphs [67.40204130771967]
  そこで我々はMixture-of-Graphs (MoG)を導入し、各ノードに対して動的に調整されたプルーニングソリューションを選択する。 MoGには複数のスパシファイアの専門家が組み込まれており、それぞれが独自のスパーシリティレベルとプルーニング基準によって特徴付けられ、各ノードに対して適切な専門家を選択する。 5つのGNNを備えた4つの大規模OGBデータセットと2つのスーパーピクセルデータセットの実験により、MoGはより高い空間レベルのサブグラフを識別することを示した。
  論文  参考訳（メタデータ） (2024-05-23T07:40:21Z)
• A Quadratic Synchronization Rule for Distributed Deep Learning [66.68264684667562]
  本研究は、擬似同期規則(QSR)と呼ばれる$H$を決定するための理論基底法を提案する。 ResNet と ViT の実験により、QSR を用いた局所勾配法は、他の同期戦略よりもテスト精度を一貫して向上することが示された。
  論文  参考訳（メタデータ） (2023-10-22T21:38:57Z)
• Multi-Head Adapter Routing for Cross-Task Generalization [56.75667096355806]
  ポリトロポンは、事前訓練と少数ショット適応の両方の間、各タスクのアダプタのサブセットを選択するルーティング関数とアダプタのインベントリを学習する。 複数タスクの事前学習において、数ショットの適応よりもルーティングの方が有益であることがわかった。
  論文  参考訳（メタデータ） (2022-11-07T19:35:55Z)
• DOTIN: Dropping Task-Irrelevant Nodes for GNNs [119.17997089267124]
  最近のグラフ学習アプローチでは、学習のためのグラフのサイズを減らすためのプール戦略が導入されている。 我々はDOTIN(underlineDrunderlineopping underlineTask-underlineIrrelevant underlineNodes)と呼ばれる新しいアプローチを設計し、グラフのサイズを減らす。 本手法は,グラフ分類やグラフ編集距離を含むグラフレベルのタスクにおいて,GATを約50%高速化する。
  論文  参考訳（メタデータ） (2022-04-28T12:00:39Z)

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。