論文の概要: CollabFlow: Recursive Self-Improvement of Agent Collaboration
- arxiv url: http://arxiv.org/abs/2609.38662v1
- Date: Tue, 29 Sep 2026 23:39:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.837554
- Title: CollabFlow: Recursive Self-Improvement of Agent Collaboration
- Title（参考訳）: CollabFlow: エージェントコラボレーションの再帰的な自己改善
- Abstract要約: 再帰的自己改善(RSI)は、システムが自身の成果から改善することを可能にする。
既存のマルチエージェントコラボレーションは、このループを開いている。
学習エージェント協調システムであるCollabFlowを提案する。
- 参考スコア（独自算出の注目度）: 19.566835759299508
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recursive self-improvement (RSI) lets a system improve from its own outcomes; in LLM-based multi-agent systems, Agents refine one another within a task, and outcomes improve how they collaborate across tasks. However, existing multi-agent collaboration leaves this loop open: collaboration is pre-defined at the operator level, topology-only learning keeps verbatim exchange that propagates errors, and reward maximization on a system's own outcomes concentrates on a few teams. To address these challenges, we propose CollabFlow, an RSI system of Learned Agent Collaboration: a trainable Collab-Director constructs teams of complete Agents, a frozen executor runs them, and each round's outcomes retrain the director. Within each round, the edges of a collaboration graph carry protocols of Evidence-Conditioned Communication: a receiver adopts a differing answer only when the sender's evidence is stronger by a margin, so the director learns who communicates and how. Across rounds, we further propose Collaborative Trajectory Balance (CTB), a flow-based objective that credits each team once across its construction orders and targets a reward-proportional distribution over teams, so several good teams stay in play. We also bound how far this self-generated target moves between rounds, which shrinks as records accumulate. On twelve datasets, CollabFlow outperforms all baselines and keeps improving across rounds. Code is available at https://anonymous.4open.science/r/CollabFlow-631E.
- Abstract（参考訳）: 再帰的自己改善(Recursive self-improvement、RSI)は、システムが自身の成果から改善することを可能にする。
しかし、既存のマルチエージェントコラボレーションは、このループをオープンにしている: コラボレーションはオペレータレベルで事前に定義されており、トポロジのみの学習は、エラーを伝播する冗長な交換を維持し、システム自身の成果に対する報酬の最大化は、少数のチームに集中する。
トレーニング可能なCollab-Directorは、完全なエージェントからなるチームを構築し、フリーズエグゼキュータがそれらを実行し、各ラウンドの結果がディレクターを再トレーニングする。
受信者は、送信者の証拠がマージンによって強い場合にのみ、異なる回答を採用するので、ディレクターは、誰のコミュニケーションと方法を学ぶ。
ラウンド全体にわたって、私たちはさらに、各チームが一度建設命令を達成し、チーム間の報酬/報酬の分配を目標とするフローベースの目標であるCollaborative Trajectory Balance(CTB)を提案します。
我々はまた、この自己生成ターゲットがラウンドの間をどこまで移動するかを拘束し、記録が蓄積されるにつれて縮小する。
12のデータセットで、CollabFlowはすべてのベースラインを上回り、ラウンド全体で改善を続けている。
コードはhttps://anonymous.4open.science/r/CollabFlow-631Eで公開されている。
関連論文リスト
- Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - When Agents Coordinate: Measuring Coordination in Multi-Agent AI Coding [5.434361299116438]
我々は、AIコーディングエージェントのチームがプログラミングタスクを解きながらどのように協調するかを研究する。
現在の評価は通常、エージェントがタスクを完了し、実行コストを報告します。
私たちはこの調整を測る道具を紹介します。
各実行は、エージェントとファイルがノードである時間的ネットワークとして表現され、メッセージ、ファイル書き込み、ファイル読み込みは、関連するコストでタイムスタンプされた指向エッジである。
論文 参考訳（メタデータ） (2026-08-17T16:57:38Z) - Benchmarking Open-Ended Multi-Agent Coordination in Language Agents [48.1363632826625]
Alemは、手続き的に生成されたコーディネーションタスク、ソフトな特殊化、コミュニケーション、制御可能なコーディネーションの難しさを、長い水平サバイバルの世界に埋め込む。
Craftaxライクなダイナミックス上に構築されたオープンなマルチエージェント協調のためのJAXベースのベンチマークである$alem$を紹介します。
論文 参考訳（メタデータ） (2026-06-06T21:13:43Z) - AgentFugue: Agent Scaling for Long-Horizon Tasks through Collective Reasoning [57.72181998599248]
AgentFugueは、共通の推論ハブを中心に構築された、集合的推論フレームワークである。
ピアエージェントが同じタスクを並列に探索する際、ハブは各エージェントが何を確立、試み、あるいは除外したかを簡潔に記録する。
この結果から,集団推論によってピアエージェントシステムのスケールアウトが実現可能であることが示唆された。
論文 参考訳（メタデータ） (2026-05-23T09:21:51Z) - 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) - Reinforcement Learning for LLM-based Multi-Agent Systems through Orchestration Traces [3.651838585096184]
大規模言語モデル(LLM)エージェントは、独立したツールユーザから調整されたチームへと進化する。
強化学習は、個々のアクションだけでなく、作業の生成、委譲、通信、集約、停止の方法を最適化する必要がある。
本稿では,オーケストレーショントレースを用いたマルチエージェントシステムの強化学習について検討する。
論文 参考訳（メタデータ） (2026-05-04T16:42:18Z) - Agent Q-Mix: Selecting the Right Action for LLM Multi-Agent Systems through Reinforcement Learning [68.85408801740228]
協調型マルチエージェント強化学習問題としてトポロジ選択を再構成する強化学習フレームワークである textbfAgent Q-Mix を提案する。
提案手法は,Qmix値分解を用いて分散化された通信決定を学習し,各エージェントがラウンドワイド通信グラフを共同生成する一連の通信行動から選択する。
エージェントQ-Mixは,エージェント故障に対して優れたトークン効率とロバスト性を示しながら,既存手法と比較して高い平均精度を達成する。
論文 参考訳（メタデータ） (2026-04-01T00:38:24Z) - 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) - ELIGN: Expectation Alignment as a Multi-Agent Intrinsic Reward [29.737986509769808]
本稿では,自己監督型固有報酬ELIGN-期待アライメントを提案する。
動物が周囲の動物と分散的に協力するのと同じように、期待アライメントで訓練されたエージェントは、隣人の期待に合う行動を学ぶ。
エージェント・コーディネーションは、エージェントがタスクを個別に分割し、コーディネーション・対称性を破り、敵を混乱させ、予測アライメントを通じて改善することを示す。
論文 参考訳（メタデータ） (2022-10-09T22:24:44Z)
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。