論文の概要: CoMemBench: Benchmarking Collaborative Memory Boundaries across Multi-Agent Workflow Topologies
- arxiv url: http://arxiv.org/abs/2609.32192v2
- Date: Tue, 29 Sep 2026 16:04:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:46.582622
- Title: CoMemBench: Benchmarking Collaborative Memory Boundaries across Multi-Agent Workflow Topologies
- Title（参考訳）: CoMemBench: マルチエージェントワークフロートポロジ間の協調メモリ境界のベンチマーク
- Abstract要約: CoMemBenchは、マルチエージェントワークフロートポロジ間のコラボレーティブメモリ共有とアイソレーションのための実行基盤ベンチマークである。
ソースグラウンドの依存性グラフから4つのドメインに800の複合トポロジを構築し、ノードローカル仕様、検証可能なアーティファクトハンドオフ、ネイティブ評価器、マッチした分離課題を備える。
より広範なコンテキストは情報の可用性を改善し、分離を弱め、システムランキングはトポロジやアーティファクト違反に移行する。
- 参考スコア（独自算出の注目度）: 17.585941067424216
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent workflows require task-relevant information to be shared across agents, while irrelevant, stale, unverified, or incompatible information must remain isolated. We call this task-conditioned scope of information a collaborative memory boundary. Workflow topology determines which intermediate artifacts are applicable to which downstream workers and when they cease to be valid, thereby providing a structural stress dimension for sharing and isolation. Existing memory benchmarks primarily evaluate retention and retrieval, whereas multi-agent benchmarks emphasize coordination and end-to-end completion, leaving topology-conditioned memory boundaries largely unmeasured. We introduce CoMemBench, an execution-grounded benchmark for collaborative memory sharing and isolation across multi-agent workflow topologies. It constructs 800 composite workflows across four domains from source-grounded dependency graphs, with node-local specifications, verifiable artifact handoffs, native evaluators, and matched isolation challenges. CoMemBench measures workflow completion, verified node progress, required-handoff reliability, isolation robustness, and token cost. Experiments reveal a sharing-isolation trade-off: broader context improves information availability but can weaken isolation, while system rankings shift across topologies and artifact violations.
- Abstract（参考訳）: マルチエージェントワークフローでは、エージェント間でタスク関連情報を共有する必要がある。
我々は、このタスク条件付き情報のスコープを協調記憶境界と呼ぶ。
ワークフロートポロジは、どの中間アーティファクトがどのダウンストリームワーカーに適用可能で、いつ有効でなくなるかを決定し、共有とアイソレーションのための構造的ストレスディメンションを提供する。
既存のメモリベンチマークは主に保持と検索を評価するが、マルチエージェントベンチマークは調整とエンドツーエンドの補完を重視しており、トポロジー条件のメモリ境界はほとんど測定されていない。
CoMemBenchは、マルチエージェントワークフロートポロジ間の協調的なメモリ共有とアイソレーションのための実行基盤ベンチマークである。
ソースグラウンドの依存性グラフから4つのドメインに800の複合ワークフローを構築し、ノードローカル仕様、検証可能なアーティファクトハンドオフ、ネイティブ評価器、マッチした分離課題を備える。
CoMemBenchはワークフローの補完、ノードの進捗確認、要求ハンドオフの信頼性、分離堅牢性、トークンコストを測定する。
より広範なコンテキストは情報の可用性を改善し、分離を弱め、システムランキングはトポロジやアーティファクト違反に移行する。
関連論文リスト
- DuMateBench: Evaluating Autonomous Agents in Complex Real-World Workflows [69.12339622053588]
我々はDuMateBenchを紹介した。DuMateBenchは匿名化およびプライバシスクリーニングによるユーザセッションから再構築されたリアルセッションベンチマークである。
結果として得られたベンチマークは、8つの広いシナリオにまたがる200のタスクと、17のきめ細かい機能カテゴリで構成されている。
これらのタスクは、Isufficient、Unstable、Noisyの3種類の環境複雑性を注入した、分離されたDockerコンテナで実行します。
論文 参考訳（メタデータ） (2026-08-27T02:36:23Z) - SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。
SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。
SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
論文 参考訳（メタデータ） (2026-07-16T17:51:23Z) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - Governed Shared Memory for Multi-Agent LLM Systems [1.2178992475191557]
本稿では,フリートメモリの問題を定式化し,基礎的障害モードを4つ同定する。
システムレベルの明示的なプリミティブを定義する。スコープ付き検索,時間的スーパーセッション,プロファイランストラッキング,ポリシが支配するメモリ伝搬である。
これらのプリミティブは、プロダクションマルチテナントメモリサービスであるMemClawで実装され、ArgusFleet経由で評価される。
論文 参考訳（メタデータ） (2026-06-23T13:04:14Z) - AgentCo-op: Retrieval-Based Synthesis of Interoperable Multi-Agent Workflows [5.357463600626556]
AgentCo-opは再利用可能なスキル、ツール、および外部エージェントを実行可能なアーティファクトに構成する検索フレームワークである。
実行時に障害を示すコンポーネントに対して、自己誘導の局所的な修復を適用する。
空間論と遺伝子セットの解釈のための特殊エージェントを協調し、単一セルマルチオームデータ上での相互モダリティマーカー分析のための並列ワークフローを構築する。
論文 参考訳（メタデータ） (2026-05-19T19:22:21Z) - Remember Your Trace: Memory-Guided Long-Horizon Agentic Framework for Consistent and Hierarchical Repository-Level Code Documentation [27.40384564559557]
我々は、リポジトリ全体にまたがる単一の統合コンテキスト内でドキュメントを生成するフレームワークであるMemDocAgentを提案する。
MemDocAgentは、オープンソースベースラインとクローズドソースベースラインの両方で最高のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-05-14T08:35:20Z) - MemCollab: Cross-Agent Memory Collaboration via Contrastive Trajectory Distillation [16.57908722474221]
大規模言語モデル(LLM)ベースのエージェントは、過去の問題解決経験から知識を再利用するためのメモリメカニズムに依存している。
既存のアプローチは、通常、エージェントごとの方法でメモリを構築し、格納された知識を単一のモデルの推論スタイルに密結合する。
その結果,エージェント間でのメモリ転送は,タスク関連知識をエージェント固有のバイアスと結び付けるなど,パフォーマンスを低下させることがわかった。
我々は,同一タスク上で異なるエージェントが生成する軌道の推論を対比することにより,エージェント非依存メモリを構成する協調メモリフレームワークであるMemCollabを提案する。
論文 参考訳（メタデータ） (2026-03-24T14:05:47Z) - AMA: Adaptive Memory via Multi-Agent Collaboration [54.490349689939166]
複数の粒度にまたがるメモリ管理に協調エージェントを活用する新しいフレームワークであるAMA(Adaptive Memory via Multi-Agent Collaboration)を提案する。
AMAは、ステート・オブ・ザ・アートのベースラインを著しく上回り、トークンの消費をフルコンテキストの手法と比べて約80%削減する。
論文 参考訳（メタデータ） (2026-01-28T08:09:49Z) - Self-Manager: Parallel Agent Loop for Long-form Deep Research [33.21617483821564]
本稿では,非同期および並列実行が可能な並列エージェントループであるSelf-Managerを紹介する。
メインスレッドは複数のサブスレッドを生成し、それぞれが独立したコンテキストを持ち、Thread Control Blocksを通じて反復的に管理することができる。
DeepResearch BenchでSelf-Managerをベンチマークしました。
論文 参考訳（メタデータ） (2026-01-25T15:18:53Z) - Collaborative Value Function Estimation Under Model Mismatch: A Federated Temporal Difference Analysis [55.13545823385091]
フェデレーション強化学習(FedRL)は、エージェント間のデータ交換を防止し、データのプライバシを維持しながら協調学習を可能にする。
現実世界のアプリケーションでは、各エージェントは若干異なる遷移ダイナミクスを経験し、固有のモデルミスマッチを引き起こす。
情報共有の適度なレベルでさえ、環境固有のエラーを著しく軽減することを示す。
論文 参考訳（メタデータ） (2025-03-21T18:06:28Z)
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。