Fugu-MT 論文翻訳(概要): When Sub-Agents Work in Parallel: The Promises and Pitfalls of Dynamic Concurrency in Long-Horizon Coding Tasks

論文の概要: When Sub-Agents Work in Parallel: The Promises and Pitfalls of Dynamic Concurrency in Long-Horizon Coding Tasks

arxiv url: http://arxiv.org/abs/2610.10263v1
Date: Wed, 07 Oct 2026 15:35:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 21:58:23.007294
Title: When Sub-Agents Work in Parallel: The Promises and Pitfalls of Dynamic Concurrency in Long-Horizon Coding Tasks
Title（参考訳）: サブエージェントが並列で働くとき--長距離符号化タスクにおける動的並行性の約束と落とし穴-
Abstract要約: 354のタスクと2,124のタスクの複雑さと実行動作にまたがる実行ポリシーとして動的に検討する。 13の特定の障害モード、28の観測可能なパターン、そしてそれが利点をもたらす条件を特徴付ける。
参考スコア（独自算出の注目度）: 10.162172666189788
License: http://creativecommons.org/licenses/by/4.0/
Abstract: As coding agents advance from bounded software engineering tasks toward long horizon development, dynamic concurrency offers a promising way to scale complex development tasks. Under this policy, agents decide during execution whether and how to spawn concurrent sub-agents. Model capability largely determines outcomes on shorter tasks, whereas long horizon development makes orchestration central to task completion. Existing work, focused on coding agent failures on shorter tasks or collaboration in predefined multiagent workflows, offers little insight into dynamic concurrency in frontier agents across task complexity. We study dynamic concurrency as an execution policy through controlled comparisons of matched Codex, Claude Code, and Kimi Code executions with the policy enabled or disabled. Across 354 tasks and 2,124 executions spanning a range of task complexities and execution horizons, we evaluate its end to end effects and scheduling behavior, and analyze matched trajectories to characterize 13 concurrency specific failure modes, 28 observable patterns, and the conditions under which it provides an advantage.
Abstract（参考訳）: コーディングエージェントが境界付けられたソフトウェアエンジニアリングタスクから長期開発へと進むにつれ、動的並行処理は複雑な開発タスクをスケールするための有望な方法を提供する。このポリシーでは、エージェントは実行中にコンカレントサブエージェントを生成するかどうかを判断する。モデル能力は、タスクの短い結果を大きく決定しますが、長い地平線の開発は、タスクの完了にオーケストレーションを集中させます。既存の作業は、短いタスクのコーディングエージェントの失敗や、事前に定義されたマルチエージェントワークフローでのコラボレーションに焦点を当てており、タスクの複雑さを越えて、フロンティアエージェントの動的並行性についてはほとんど洞察を提供していない。我々は,一致したCodex,Claude Code,Kimi Codeの実行と有効あるいは無効なポリシとの制御された比較を通じて,実行ポリシーとしての動的並行性について検討する。 354のタスクと2,124の実行がタスクの複雑さと実行の地平線にまたがって行われ、その終端効果とスケジューリングの挙動を評価し、一致したトラジェクトリを分析し、13の並列性固有の障害モード、28の観測可能なパターン、そしてその利点を提供する条件を特徴付ける。

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)
EASy: Towards Efficient LLM-Based Agentic System [54.10819421625103]
強化学習によるタスク性能と計算効率を協調的に最適化する訓練可能なエージェントフレームワークであるEASyを提案する。 EASyはLLMベースのオーケストレータに異種エグゼキュータの能力とコストプロファイルを明確に把握し、パフォーマンスのみのルーティング以上のコンテキスト依存的な調整を可能にする。さらに、複雑なタスクを管理可能なマイルストーンに分解し、依存性を意識した実行グラフを構築し、適切なエグゼキュータを割り当て、その後の決定を中間的な結果に適用しながら、独立したステップを並列化するマイルストーン計画実行ワークフローも導入されている。
論文参考訳（メタデータ） (2026-08-05T08:50:36Z)
HULK: Large-scale Hierarchical Coordination under Continual and Uncertain Temporal Tasks [5.337512368549053]
この研究は、連続的かつ不確実な時間的タスクの下での大規模調整問題に取り組む。提案された階層的なフレームワークであるHULKは、2つのインターリーブされたレイヤで構成されている。種々の時間的タスクと環境不確実性の下で, 大規模異種システムに対して厳密に検証する。
論文参考訳（メタデータ） (2026-05-09T06:10:40Z)
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)
AgentSwing: Adaptive Parallel Context Management Routing for Long-Horizon Web Agents [115.18197165538943]
大規模言語モデル(LLM)は、長距離情報探索のための自律エージェントへと進化する。既存のコンテキスト管理手法は通常、軌道全体を通して単一の固定戦略にコミットする。本稿では,探索効率と終端精度の2つの相補的な次元を通じて,長期的成功を特徴付ける確率的枠組みを提案する。
論文参考訳（メタデータ） (2026-03-29T02:59:27Z)
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)
LongCLI-Bench: A Preliminary Benchmark and Study for Long-horizon Agentic Programming in Command-Line Interfaces [65.11019654023978]
LongCLI-Benchは、長期にわたる現実的なタスクにまたがるエージェント能力を評価するために設計されたベンチマークである。私たちは、1000以上のコンピュータサイエンスの課題と現実世界のタスクから、20の高品質で長い水平タスクをキュレートしました。実験によると、最先端のエージェントでさえLongCLI-Benchの20%未満のパスレートを達成する。
論文参考訳（メタデータ） (2026-02-15T23:12:57Z)
XAgents: A Unified Framework for Multi-Agent Cooperation via IF-THEN Rules and Multipolar Task Processing Graph [14.273739638741139]
XAgentsはマルチポーラタスク処理グラフとIF-THENルールに基づいて構築された統合マルチエージェント協調フレームワークである。 XAgentsは、知識型および論理型問合せタスクの両方において、最先端のシングルエージェントおよびマルチエージェントアプローチを一貫して超越している。
論文参考訳（メタデータ） (2025-09-12T08:40:58Z)
Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文参考訳（メタデータ） (2020-05-27T01:10:41Z)

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。