論文の概要: CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents

• arxiv url: http://arxiv.org/abs/2609.18779v1
• Date: Wed, 16 Sep 2026 15:01:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.860658
• Title: CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents
• Title（参考訳）: CERA-MoA:LLMエージェントを連続学習した共進化型ルーティング機構
• Abstract要約: 現在のMixture-of-Agents(MoA)パラダイムは、クエリルーティングとエージェントの微調整を別々のプロセスとして扱う。 本稿では,動的ルータと独立エージェントポリシーを併用した反復強化学習フレームワークCERA-MoAを紹介する。 CERA-MoAは最先端の静的エージェントルーティングや修正ワークフローの微調整ベースラインよりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 15.175328654638058
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current Mixture-of-Agents (MoA) paradigms generally treat query routing and agent fine-tuning as separate processes, limiting their ability to respond to evolving agent capabilities. This disconnect prevents routing strategies from adapting to evolving agent capabilities during post-training and prevents agents from achieving synergistic data-driven specialization. To resolve this, we introduce CERA-MoA (Co-Evolving Router with continually learning Agents for Mixture-of-Agents), an iterative reinforcement learning framework where the dynamic router and independent agent policies co-evolve. We design a predictive familiarity estimator that leverages mid-layer hidden states to evaluate semantic competence among agents, avoiding the overhead of full rollouts. Based on these familiarity scores, a cumulative-threshold adaptive routing mechanism dynamically activates a tailored minimal agent subset, achieving a trade-off between task performance and efficiency. By proactively allocating targeted training samples to agents based on their evolving competence, CERA-MoA promotes capability differentiation. Extensive experiments across various domains demonstrate that CERA-MoA outperforms state-of-the-art static-agent routing and fix-workflow fine-tuning baselines.
• Abstract（参考訳）: 現在のMixture-of-Agents(MoA)パラダイムは一般的に、クエリルーティングとエージェントの微調整を別々のプロセスとして扱う。 この切断は、ポストトレーニング中にルーティング戦略が進化するエージェント能力に適応することを防ぎ、エージェントがシナジスティックなデータ駆動の特殊化を達成するのを防ぐ。 そこで我々はCERA-MoA (Co-Evolving Router with continuous learning Agents for Mixture-of-Agents)を導入し,動的ルータと独立エージェントポリシーを併用した反復的強化学習フレームワークを提案する。 エージェント間のセマンティック能力を評価するために,中間層隠れ状態を利用した予測親しみ度推定器を設計し,ロールアウトのオーバーヘッドを回避する。 これらの親和性スコアに基づいて、累積閾値適応ルーティング機構は、調整された最小エージェントサブセットを動的に活性化し、タスク性能と効率のトレードオフを達成する。 CERA-MoAは、目標とするトレーニングサンプルを、その進化する能力に基づいてエージェントに積極的に割り当てることによって、能力の分化を促進する。 さまざまな領域にわたる大規模な実験により、CERA-MoAは最先端の静的エージェントルーティングや修正ワークフローの微調整ベースラインよりも優れていた。

関連論文リスト

• Role-Agent: Bootstrapping LLM Agents via Dual-Role Evolution [25.26084224278813]
  Role-Agentは単一のLarge Language Model(LLM)を使用してエージェントと環境の両方として同時に機能する。 Role-Agentはパフォーマンスを継続的に改善し、強いベースラインよりも平均4%以上向上する。
  論文  参考訳（メタデータ） (2026-06-09T14:28:07Z)
• Learning Agent-Compatible Context Management for Long-Horizon Tasks [79.09330817637205]
  フリーズエージェントのコンテキストを管理するために外部LLMをトレーニングするAdaptive Context Management (AdaCoM)を導入する。 AdaCoMは、静的なコンテンツをプルーニングしながらタスク制約と進捗を保ち、パフォーマンスを大幅に改善する。 学習した戦略は、忠実度-信頼性のトレードオフを明らかにしている: よりバニラリアクトなパフォーマンスを持つエージェントは、高忠実度コンテキストの保存から恩恵を受ける一方、低いパフォーマンスのエージェントは、信頼できる推論体制内に留まるためにより攻撃的な圧縮を必要とする。
  論文  参考訳（メタデータ） (2026-05-29T03:21:08Z)
• Differentiable Mixture-of-Agents Incentivizes Swarm Intelligence of Large Language Models [17.7409616106227]
  Differentiable Mixture-of-Agents (DMoA) は、推論中に弾性および適応的なエージェントの協調を可能にする自己進化型マルチエージェントフレームワークである。 DMoAは, 高い効率, 堅牢性, アンサンブル性を示しながら, 最先端性能を実現していることを示す。
  論文  参考訳（メタデータ） (2026-05-15T07:54:46Z)
• Towards Adaptive, Scalable, and Robust Coordination of LLM Agents: A Dynamic Ad-Hoc Networking Perspective [31.81236449944822]
  RAPSは、LLMエージェントの適応性、拡張性、堅牢な調整のための、評判の高いパブリッシュ・サブスクライブ・パラダイムである。 RAPSは2つの一貫性のあるオーバーレイを組み込んでいる: (i) リアクティブ・サブスクライブ(reactive Subscription) エージェントがその意図を動的に洗練することを可能にし、 (ii) ベイジアン・レピュテーション(Bayesian Reputation)。
  論文  参考訳（メタデータ） (2026-02-08T15:26:02Z)
• DLLM Agent: See Farther, Run Faster [94.74432470237817]
  拡散大言語モデル(DLLM)は、自己回帰(AR)デコーディングの代替として、魅力的な効率とモデリング特性を持つ。 我々は、DLLMとARのバックボーンを同一のエージェントワークフロー内でインスタンス化することで、制御された環境でこれを研究する。 DLLMエージェントはARエージェントよりも平均30%以上速く、場合によっては8倍のスピードアップを達成している。
  論文  参考訳（メタデータ） (2026-02-07T09:01:18Z)
• Emergence of Roles in Robotic Teams with Model Sharing and Limited Communication [0.0]
  本稿では,単一エージェントに学習を集中させるマルチエージェント捕食システムにおける強化学習戦略を提案する。 このアプローチは、MARLや集中学習モデルのようなアプローチと比較して、計算とエネルギーの需要を大幅に削減することを目的としている。
  論文  参考訳（メタデータ） (2025-05-01T14:05:46Z)
• From Novice to Expert: LLM Agent Policy Optimization via Step-wise Reinforcement Learning [62.54484062185869]
  本稿では,エージェントの強化学習プロセスの最適化にステップワイド報酬を利用するStepAgentを紹介する。 エージェント反射とポリシー調整を容易にする暗黙の逆・逆の強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-06T10:35:11Z)

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。