論文の概要: OpenCollab: A Multi-Agent Coding Framework with Programmable Collaboration and Controllable Runtime
- arxiv url: http://arxiv.org/abs/2609.38345v1
- Date: Tue, 29 Sep 2026 18:08:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.561065
- Title: OpenCollab: A Multi-Agent Coding Framework with Programmable Collaboration and Controllable Runtime
- Title（参考訳）: OpenCollab: プログラマブルなコラボレーションと制御可能なランタイムを備えたマルチエージェントコーディングフレームワーク
- Abstract要約: プログラマブルなコラボレーションと制御可能なランタイムのための統一的なインフラストラクチャを提供する,マルチエージェントコーディングフレームワークであるOpenCollabを紹介します。
具体的には、OpenCollabは組織設計を統一し、共有ランタイムを実験的に制御し、きめ細かいイベントストリームを通じて実行を追跡する。
一つの次元を47.2%から97.2%に変化させる。
- 参考スコア（独自算出の注目度）: 36.198594685404906
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-agent coding systems are designed to tackle complex software engineering tasks through collaboration. However, existing evaluations typically assume configured organizations are followed faithfully, whereas reality differs. This behavioral gap, combined with differences in underlying system components, prevents clear attribution of observed gains. To this end, we introduce OpenCollab, a multi-agent coding framework that provides a unified infrastructure for programmable collaboration and controllable runtime. Specifically, OpenCollab unifies organization design, enforces experimental control on a shared runtime, and tracks execution through fine-grained event streams. On this basis, we define Adherence to quantify whether the declared organization is actually realized. Our experiments reveal that agents collaborate very differently across configurations: changing any single dimension shifts Adherence, from 47.2% to as high as 97.2%. Furthermore, extensive agentic coding benchmarks show that a two-coder workflow built on OpenCollab establishes new SOTA performance compared to the mainstream harnesses such as Mini-SWE-agent, Codex CLI, and Claude Code, showing that a well-designed organization can outperform strong existing harnesses, while OpenCollab's single-agent configuration uses the fewest tokens across all evaluated suites. OpenCollab establishes a unified multi-agent infrastructure for easy programmable collaboration and controlled causal evaluation.
- Abstract（参考訳）: マルチエージェントコーディングシステムは、コラボレーションを通じて複雑なソフトウェアエンジニアリングタスクに取り組むように設計されている。
しかし、既存の評価では、構成された組織は忠実にフォローされていると仮定するが、現実は異なる。
この挙動ギャップは、基礎となるシステムコンポーネントの違いと相まって、観測された利得の明確な帰属を妨げている。
この目的のために、プログラマブルなコラボレーションと制御可能なランタイムのための統一的なインフラストラクチャを提供するマルチエージェントコーディングフレームワークであるOpenCollabを紹介します。
具体的には、OpenCollabは組織設計を統一し、共有ランタイムを実験的に制御し、きめ細かいイベントストリームを通じて実行を追跡する。
このベースで、宣言された組織が実際に実現されているかどうかを定量化するために、Adherenceを定義します。
一つの次元を47.2%から97.2%に変化させる。
さらに、大規模なエージェントコーディングベンチマークでは、OpenCollab上に構築された2コーダワークフローが、Mini-SWE-agent、Codex CLI、Claude Codeといったメインストリームのハーネスと比較して、新たなSOTAパフォーマンスを確立している。
OpenCollabは、プログラマブルなコラボレーションと制御因果評価のための統合されたマルチエージェント基盤を確立する。
関連論文リスト
- AsynCodeBench: Benchmarking Collaboration of Asynchronous Multi-Agent Systems in Software Engineering [29.404011829533857]
マルチエージェントソフトウェアエンジニアリングのための依存性中心ベンチマークであるAsynCodeBenchを紹介する。
AsynCodeBenchは明示的な依存性グラフと実行可能な依存性チェッカーで各タスクを表現する。
コーディング性能の改善が必ずしもコラボレーションの強化につながるとは限らないことを示す。
論文 参考訳（メタデータ） (2026-09-26T14:19:40Z) - Agensh: Scaling Organizational Intelligence to 1,024 Agents [85.08934183130329]
Agenshは、中央のオーケストレータを持たないスケーラブルな自己組織化マルチエージェントハーネスである。
GPT-5.6-sol を用いて,最も難しい ProgramBench タスクを5つ評価した。
1から128エージェントへのスケーリングでは、最終テストパス率は19.31%から28.78%に上昇する。
パンドックでは、1から1,024のエージェントが最終テストパスレートを33.89%から55.06%に引き上げる。
論文 参考訳（メタデータ） (2026-09-22T17:56:25Z) - Toward an Organizational Science of Multi-Agent LLM Systems: Decoupling Who, How, and Which Algorithm [14.162774819793759]
IMACSは、チームにいる人、メンバーがどのように整列し、どのアルゴリズムが作業を混乱させるかという、論理的に異なる3つの懸念を分離する。
我々は、この分離を利用して、協調プロトコルが固定されている間、組織的な課題が異なる制御された比較を行う。
また、プロトコルの選択を学習可能な変数に変換する。
論文 参考訳（メタデータ） (2026-07-28T08:35:21Z) - When Parallelism Pays Off: Cohesion-Aware Task Partitioning for Multi-Agent Coding [19.03671411536556]
マルチエージェント大規模言語モデル(LLM)システムは、並列化やコンテキスト分離を通じて、コーディングのような複雑なタスクを分解する方法を提供する。
我々は,マルチエージェントオーケストレーションをグラフ分割問題として定式化し,通信対計算のトレードオフを捉える。
静的解析から依存性グラフを構築し,構造的ハブファイルを分離し,コミュニティ検出を通じてグラフを分割し,依存関係対応スケジューラで分割を実行するCohesion-aware Coder(Co-Coder)を提案する。
論文 参考訳（メタデータ） (2026-05-31T02:10:12Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - OrgAgent: Organize Your Multi-Agent System like a Company [75.47076168155817]
企業スタイルの階層型マルチエージェントフレームワークであるOrgAgentを紹介します。
企業スタイルの階層で組織されたマルチエージェントシステムは、一般的に他の組織構造よりも優れています。
論文 参考訳（メタデータ） (2026-04-01T15:21:14Z) - Effective Strategies for Asynchronous Software Engineering Agents [52.76455094324273]
本稿では,集中型タスクデリゲート,非同期実行,独立したワークスペースという,3つのSWEプリミティブに根ざした構造化マルチエージェント協調パラダイムを導入する。
CAIDは,紙再生タスク(PaperBench)では26.7%,Pythonライブラリ開発タスクでは14.3%,単一エージェントベースラインでは26.7%の精度向上を実現している。
論文 参考訳（メタデータ） (2026-03-23T02:26:35Z) - ALARA for Agents: Least-Privilege Context Engineering Through Portable Composable Multi-Agent Teams [0.0]
宣言型コンテキストエージェント・ツール(CAT)データ層を関連ファイルを通じて表現し,各エージェントのツールアクセスとコンテキストを,その役割に必要な最小限に制限する。
システムがこれらのファイルを構造的に解析し強制するため、エージェントのツールリストを変更することで、モデルが従うかもしれない、あるいは従わないかもしれないという提案よりも、保証された振る舞いの変更が生成される。
我々は,ファイル操作,Web検索,マルチステップスクリプティング,ツールチェーン,マルチエージェントデリゲートにまたがる115の実用的なタスクに対して,0.6Bから35Bパラメータのローカルホストモデル22を評価した。
論文 参考訳（メタデータ） (2026-03-20T18:00:09Z) - Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。
LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。
クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2025-05-26T07:02:17Z) - Multi-Agent Collaboration via Cross-Team Orchestration [31.506350304184526]
大規模言語モデル(LLM)は、特に組織化された自律エージェントを通じて、様々なドメインに大きな影響を与えている。
これはスケーラブルなマルチチームフレームワークで、オーケストレーションされたチームはさまざまなタスク指向のソリューションを共同で提案できる。
実験では、最先端のベースラインと比較して、ソフトウェアの品質が顕著に向上している。
論文 参考訳（メタデータ） (2024-06-13T10:18:36Z)
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。