論文の概要: Inherit-MAS: Test-Time Evolution of Multi-Agent Systems through Workflow and Execution Inheritance
- arxiv url: http://arxiv.org/abs/2610.02396v1
- Date: Thu, 01 Oct 2026 19:23:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 00:14:30.057038
- Title: Inherit-MAS: Test-Time Evolution of Multi-Agent Systems through Workflow and Execution Inheritance
- Title（参考訳）: Inherit-MAS:ワークフローと実行継承によるマルチエージェントシステムのテスト時間進化
- Abstract要約: Inherit-MASは、ワークフローと実行レベルで継承を明確にする。
メタモデルはまず、宣言された役割、通信インプット、ツールパーミッションを持つワーカエージェントのワークフローを合成する。
新しい候補が実行されると、emphexecution継承は、完全な解決された要求と実行コンテキストが一致した場合にのみ、許容されるストアされた結果を継承する。
- 参考スコア（独自算出の注目度）: 10.001024436762021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multi-agent systems (MAS) built from large language models coordinate specialized agents to tackle complex tasks, but effective workflows are difficult to design in advance. Test-time evolution refines workflows using execution feedback, yet broad revisions can disturb useful components, while re-executing unchanged requests can incur redundant computation. Inspired by the interplay of inheritance and selection in biological evolution, we introduce Inherit-MAS, which makes inheritance explicit at the workflow and execution levels. A meta-model first synthesizes a workflow of worker agents with declared roles, communication inputs, and tool permissions, and a separately prompted judge scores each executed candidate and diagnoses its deficiencies. In ordinary refinement rounds, \emph{workflow inheritance} starts from the latest completed candidate, may discard removable nodes judged unhelpful, and applies a validated edit to address the diagnosed deficiency. When the new candidate executes, \emph{execution inheritance} inherits eligible stored results only if the complete resolved request and execution context match, avoiding redundant model and tool calls. With GPT-4o-mini workers, Inherit-MAS achieves 55.4\% completion on WorkBench and 49.7\% joint F1 on HotpotQA FullWiki, outperforming EvoAgent, EvoMAS, and TacoMAS. With Qwen3-32B workers, it also exceeds these evolving-MAS baselines on both benchmarks. Compared with rerunning the same controller with execution inheritance disabled, execution inheritance reduces worker-token usage by 29.1\% on WorkBench and 34.6\% on HotpotQA, and total token usage by 5.3\% and 18.1\%.
- Abstract（参考訳）: 大規模言語モデルから構築されたマルチエージェントシステム(MAS)は、複雑なタスクに対処するために特殊エージェントを調整するが、効果的なワークフローを事前に設計することは困難である。
テストタイムの進化は実行フィードバックを使ってワークフローを洗練させるが、広範囲のリビジョンは有用なコンポーネントを邪魔する可能性がある。
生物学的進化における継承と選択の相互作用に触発されて、ワークフローと実行レベルで継承を明確にするInherit-MASを導入する。
メタモデルは、最初に、宣言された役割、通信入力、およびツールパーミッションを持つ労働者エージェントのワークフローを合成し、個別に誘導された裁判官は、実行された各候補をスコアし、その欠陥を診断する。
通常の精錬ラウンドでは、'emph{workflow legacy} は最新の完成候補から始まり、取り外し可能なノードを排除し、診断された欠損に対処するために検証された編集を適用する。
新しい候補が実行されると、\emph{execution legacy}は、完全な解決された要求と実行コンテキストが一致する場合にのみ、許容されるストアされた結果を継承し、冗長なモデルとツールコールを避ける。
GPT-4o-miniワーカーでは、Inherit-MASはWorkBenchで55.4\%、HotpotQA FullWikiで49.7\%のジョイントF1を達成し、EvoAgent、EvoMAS、TacoMASを上回っている。
Qwen3-32Bワーカでは、両方のベンチマークでこれらの進化したMASベースラインを超えている。
同じコントローラの再実行と実行の継承を無効にすると、WorkBenchでは29.1\%、HotpotQAでは34.6\%、トークン総使用量は5.3\%と18.1\%となる。
関連論文リスト
- Learning What to Skip: Counterfactual Credit Assignment for Efficient Multi-Agent LLM Workflows [49.15875332210974]
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。
論文 参考訳（メタデータ） (2026-09-25T03:02:57Z) - SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - COVENANT: Natural-Language Workflow Compilation for Aligned Agent Execution [12.755574564434788]
本稿では,ワークフロー対応エージェント実行のためのコンパイラ・アンド・インタープリタアーキテクチャであるCOVENANTを提案する。
私たちの重要な洞察は、ワークフロー命令をプロンプトではなく、ソースプログラムとして扱うことです。
COVENANTは命令をワークフロー抽象構文木(WAST)に変換し、ワークフロー制御フローグラフ(WCFG)に変換する。
論文 参考訳（メタデータ） (2026-07-28T07:59:50Z) - MOSS: Self-Evolution through Source-Level Rewriting in Autonomous Agent Systems [36.221246203666745]
MOSSは、生産エージェント基板上でソースレベルで自己書き換えを行うシステムである。
平均成績は0.25から0.61に上昇し、人間の介入なしに1サイクルで上昇する。
論文 参考訳（メタデータ） (2026-05-21T17:48:33Z) - Why Search When You Can Transfer? Amortized Agentic Workflow Design from Structural Priors [51.95306551061392]
エージェントワークフローの自動設計は、現在、タスクごとの反復検索に依存している。
本稿では,ワークフロー設計を再利用可能な構造的先入観に補正するフレームワークであるSWIFTを提案する。
SWIFTは5つのベンチマークで最先端の検索手法より優れている。
論文 参考訳（メタデータ） (2026-04-27T21:25:00Z) - FlowEvo: Self-Evolving Agents through the Co-Evolution of Workflows and Executable Skills [14.679874305674156]
FlowEvoはトレーニング不要のフレームワークで、成功したトレースを再利用可能なスキルレコードにコンパイルする。
FlowEvoは,(1)ワークフロー・トゥ・スキルコンパイル,(2)スキル・トゥ・ワークフローフィードバック,(3)スキル・キュレーションの3つの組み合わせによって構成されている。
論文 参考訳（メタデータ） (2026-04-18T06:52:42Z) - Learning to Compose for Cross-domain Agentic Workflow Generation [56.630382886594184]
クロスドメインワークフロー生成のためのオープンソースのLLMを作成します。
さまざまなドメインにわたる再利用可能なワークフロー機能のコンパクトなセットを学びます。
当社の1パスジェネレータは、20イテレーションを消費するSOTAリファインメントベースラインを超えています。
論文 参考訳（メタデータ） (2026-02-11T18:27:22Z) - Alita-G: Self-Evolving Generative Agent for Agent Generation [54.49365835457433]
汎用エージェントをドメインエキスパートに変換するフレームワークであるALITA-Gを提案する。
このフレームワークでは、ジェネラリストエージェントが対象ドメインタスクのキュレートされたスイートを実行する。
計算コストを削減しながら、大きな利益を得ることができます。
論文 参考訳（メタデータ） (2025-10-27T17:59:14Z) - Visual Document Understanding and Question Answering: A Multi-Agent Collaboration Framework with Test-Time Scaling [83.78874399606379]
テスト時間スケーリングを備えたマルチエージェント協調フレームワークであるMACTを提案する。
4つの異なる小規模エージェントから構成され、明確に定義された役割と効果的なコラボレーションがある。
一般および数学的タスクの能力を犠牲にすることなく、より小さなパラメータスケールで優れた性能を示す。
論文 参考訳（メタデータ） (2025-08-05T12:52:09Z)
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。