論文の概要: PANDA: A Decentralized Architecture with Flexible Orchestration for Scalable, Fault-Tolerant Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2609.38482v1
- Date: Tue, 29 Sep 2026 20:10:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.700277
- Title: PANDA: A Decentralized Architecture with Flexible Orchestration for Scalable, Fault-Tolerant Multi-Agent Systems
- Title（参考訳）: PANDA: スケーラブルでフォールトトレラントなマルチエージェントシステムのための柔軟なオーケストレーションを備えた分散アーキテクチャ
- Abstract要約: 異種エージェントの集合体を独立に管理する分散化アーキテクチャであるPANDAを提案する。
PANDAはチームコミュニケーションから集団コミュニケーションを分離することでスケールし、エージェントは複数のチームに参加することができる。
我々は、HotPotQAベンチマークでPANDAを評価し、数千のエージェントにスケールし、ミリ秒でチームを組み立て、最先端の精度を最大8倍の効率で一致させ、既存のシステムが故障した場合、100%のタスク完了を維持することを実証した。
- 参考スコア（独自算出の注目度）: 8.000530628592275
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing architectures for LLM-based multi-agent systems (MAS) cannot reliably and efficiently solve multi-step tasks at scale: they struggle to support large numbers of agents and concurrent tasks, tolerate failures, govern agent interactions, and accommodate the diverse planning and execution patterns different tasks require. We present PANDA, a decentralized architecture that connects a large collective of heterogeneous, independently administered agents, letting them discover each other's capabilities and self-organize into small specialized teams per task. PANDA scales by decoupling collective communication from team communication, allowing agents to participate in multiple teams simultaneously, load-balancing tasks across the collective, and scheduling concurrent work within each agent. PANDA further separates the underlying architecture from the orchestration strategy, supporting three planning and execution patterns (star, chain, and mesh) that can be selected according to the structure and requirements of each task. PANDA detects infrastructure and orchestration failures and recovers affected tasks by dynamically replanning around failed components. Finally, to provide governance without a centralized service that would limit scalability, PANDA uses a web-of-trust model to constrain agent interactions to established trust relationships. We evaluate PANDA on the HotPotQA benchmark, demonstrating that it scales to thousands of agents, assembles teams in milliseconds, matches state-of-the-art accuracy at up to 8x the efficiency, and sustains 100% task completion under faults where existing systems fail.
- Abstract（参考訳）: LLMベースのマルチエージェントシステム(MAS)の既存のアーキテクチャは、多数のエージェントと並行タスクをサポートし、障害を許容し、エージェントのインタラクションを管理し、異なるタスクに必要な多様な計画と実行パターンに対応するのに苦労している。
我々は、異質で独立的に管理されたエージェントの大規模な集合を接続し、互いに能力を発見し、タスクごとに小さな専門的なチームに自己組織化する分散アーキテクチャであるPANDAを紹介します。
PANDAは、チームコミュニケーションから集団コミュニケーションを分離することでスケールし、エージェントが複数のチームに同時に参加できるようにし、全体にわたって負荷分散タスクを実行し、各エージェント内で同時作業をスケジューリングする。
PANDAはさらに、基盤となるアーキテクチャをオーケストレーション戦略から分離し、各タスクの構造と要件に応じて選択可能な3つの計画と実行パターン(スター、チェーン、メッシュ)をサポートする。
PANDAはインフラストラクチャとオーケストレーションの障害を検出し、障害したコンポーネントを動的にリプランすることで影響のあるタスクを回復する。
最後に、スケーラビリティを制限する集中型サービスなしでガバナンスを提供するために、PANDAは、確立された信頼関係に対するエージェントのインタラクションを制限するために、Web-of-trustモデルを使用します。
我々は、HotPotQAベンチマークでPANDAを評価し、数千のエージェントにスケールし、ミリ秒でチームを組み立て、最先端の精度を最大8倍の効率で一致させ、既存のシステムが故障した場合、100%のタスク完了を維持することを実証した。
関連論文リスト
- DEALS: Decentralized Expertise-Aware Load Serving for Multi-Agent LLM Systems [13.034974189941465]
マルチエージェントシステム (MAS) は, 大規模言語モデル (LLM) に基づくエージェントを協調して, 構造的相互作用によって複雑なタスクを解くための効果的な手法として最近登場した。
エージェントが並列タスクを自律的かつ動的にルーティングすることを可能にする分散かつ低複雑さのフレームワークである分散エキスパート・アウェアを提案する。
論文 参考訳（メタデータ） (2026-09-27T17:09:42Z) - 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) - Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。
既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。
この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
論文 参考訳（メタデータ） (2026-05-14T14:36:13Z) - Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。
本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
論文 参考訳（メタデータ） (2026-05-07T14:19:17Z) - 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) - Autonoma: A Hierarchical Multi-Agent Framework for End-to-End Workflow Automation [0.0]
本稿では,自然言語のプロンプトからエンドツーエンドのワークフロー自動化を実現するために設計された,構造化された階層型マルチエージェントフレームワークであるAutonomaを紹介する。
Autonomaは、高レベルのコーディネータがユーザの意図を検証し、Plannerが構造化され、スーパーバイザが特別なエージェントのスイートを編成して実行を管理するという、原則化された多層アーキテクチャを採用している。
オートノマは97%のタスク完了率と98%のエージェントハンドオフ率を達成した。
論文 参考訳（メタデータ） (2026-02-27T11:00:37Z) - AgentOrchestra: Orchestrating Hierarchical Multi-Agent Intelligence with the Tool-Environment-Agent(TEA) Protocol [22.406849007798858]
本稿では,環境,エージェント,ツールを統一システムに統合するツール-環境-エージェントプロトコルを提案する。
本稿では,複雑な目的を分解し,特殊エージェントをコーディネートする中央計画エージェントを備えた階層型マルチエージェントフレームワークであるAgensOrchestraを紹介する。
論文 参考訳（メタデータ） (2025-06-14T13:45:37Z) - Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。
本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。
大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
論文 参考訳（メタデータ） (2024-10-03T04:07:51Z)
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。