論文の概要: Learning What to Skip: Counterfactual Credit Assignment for Efficient Multi-Agent LLM Workflows

• arxiv url: http://arxiv.org/abs/2609.30734v1
• Date: Fri, 25 Sep 2026 03:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.196764
• Title: Learning What to Skip: Counterfactual Credit Assignment for Efficient Multi-Agent LLM Workflows
• Title（参考訳）: 効果的なマルチエージェントLLMワークフローのための非現実的クレジットアサインメント
• Abstract要約: すべてのコンポーネントを実行することは、計算を無駄にしたり、正しい中間回答を上書きすることができる。 我々は、制御されたスキップ介入からアクション固有の安全モデルを学ぶ「Skip to Skip」について紹介する。 早期スキップが拒否されると、コントローラは実行を継続し、後続のコンポーネントを再考することができる。
• 参考スコア（独自算出の注目度）: 49.15875332210974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent LLM workflows use planning, execution, verification, and summarization to improve task performance, yet the value of each component depends on the state already produced. Executing every component can waste computation or overwrite a correct intermediate answer. We formulate component omission as counterfactual credit assignment: full-workflow logs reveal the executed trajectory's reward, while controlled skip interventions reveal the consequences of omitting a future step. We introduce Learning What to Skip (LW2S), which learns action-specific safety models from these interventions and combines held-out calibration with domain-native guards to select skips. When an early skip is rejected, the controller can continue execution and reconsider a later component. Across mathematical reasoning, multiple-choice QA, and code generation with two instruction-model families, LW2S reduces recorded token cost while matching or improving aggregate full-workflow accuracy in the evaluated settings. Scale-up and second-topology experiments further examine component redundancy, while shared-error cases reveal why agreement alone is insufficient for skip selection. These findings connect efficient workflow execution to learning the conditional utility of individual components.
• Abstract（参考訳）: マルチエージェントLLMワークフローは、計画、実行、検証、要約を使用してタスクパフォーマンスを改善するが、各コンポーネントの値は、すでに生成された状態に依存する。 すべてのコンポーネントを実行することは、計算を無駄にしたり、正しい中間回答を上書きすることができる。 フルワークフローログは実行されたトラジェクトリの報酬を明らかにする一方で、制御されたスキップ介入は将来のステップを省略する結果を明らかにする。 我々は,これらの介入から行動固有の安全モデルを学び,ドメインネイティブガードとキャリブレーションを組み合わせてスキップを選択するLW2S(Learning What to Skip)を紹介した。 早期スキップが拒否されると、コントローラは実行を継続し、後続のコンポーネントを再考することができる。 数学的推論、複数選択QA、および2つの命令モデルファミリによるコード生成において、LW2Sは、評価された設定において集約された全ワークフロー精度をマッチングまたは改善しながら記録されたトークンコストを低減させる。 スケールアップおよび第2トポロジー実験は、コンポーネントの冗長性をさらに調べ、共有エラーケースは、なぜ合意だけではスキップ選択に不十分なのかを明らかにする。 これらの知見は、効率的なワークフロー実行と個々のコンポーネントの条件付きユーティリティの学習を結びつけている。

関連論文リスト

• When LLMs Team Up: A Coordinated Attack Framework for Automated Cyber Intrusions [27.62993988829038]
  本稿では,侵入型タスク分析のための協調型マルチエージェントフレームワークであるCAESARを提案する。 CAESARはワークフローを5つの型付きロールに分解し、境界付きプロトコルを介してそれらを調整する。 予算とツールアクセスが一致した単一エージェントベースラインと比較して、CAESARはタスクの成功を改善し、パフォーマンスのばらつきを低減する。
  論文  参考訳（メタデータ） (2026-05-09T07:47:42Z)
• Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards [76.49428173793386]
  LLMは、中間出力を伝搬しながら、正しい順序で複数の依存APIを呼び出す必要がある。 既存の環境は、シミュレーションデータを使った単純なターン毎の関数呼び出しとバイナリ報酬に重点を置いている。 まず、実APIレスポンスの大規模キャッシュを背景とした強化学習環境を構築し、有効なマルチステップオーケストレーショントレースをサンプリングするデータ合成パイプラインを実現する。 第二に、正当性を原子の妥当性とオーケストレーションに分解する、段階的な報酬設計を提案する。
  論文  参考訳（メタデータ） (2026-03-25T18:31:39Z)
• Sherlock: Reliable and Efficient Agentic Workflow Execution [44.30588192569476]
  大規模言語モデル(LLM)は、従来のアプリケーションを置き換える傾向にある。 あるステップにおける不正または部分的に正しい出力は、その後の段階を通じて伝播または増幅することができる。 すべてのステップを検証することは、大きなレイテンシとコストオーバーヘッドをもたらす。 提案手法であるSherlockは,エージェントの反実解析を用いて,エラー発生ノードを同定し,コスト最適検証器を選択的にアタッチする。
  論文  参考訳（メタデータ） (2025-11-01T00:17:57Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• CoBa: Convergence Balancer for Multitask Finetuning of Large Language Models [23.50705152648991]
  マルチタスク学習(MTL)は,大規模言語モデル(LLM)の微調整に有効である LLM の既存の MTL 戦略は、計算集約的であるか、同時タスク収束の確保に失敗したかのいずれかによって、しばしば不足する。 本稿では,タスク収束バランスを最小限の計算オーバーヘッドで効果的に管理する新しいMTL手法であるCoBaを提案する。
  論文  参考訳（メタデータ） (2024-10-09T10:20:32Z)
• Bidirectional Decoding: Improving Action Chunking via Guided Test-Time Sampling [51.38330727868982]
  動作チャンキングが学習者と実証者の間の分岐にどのように影響するかを示す。 動作チャンキングをクローズドループ適応でブリッジするテスト時間推論アルゴリズムである双方向デコーディング(BID)を提案する。 提案手法は、7つのシミュレーションベンチマークと2つの実世界のタスクにまたがって、最先端の2つの生成ポリシーの性能を向上させる。
  論文  参考訳（メタデータ） (2024-08-30T15:39:34Z)

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。