論文の概要: Position: Beyond Training Time, Test-Time Coordination is Essential for Cooperative MARL

• arxiv url: http://arxiv.org/abs/2610.17409v1
• Date: Mon, 12 Oct 2026 21:17:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 19:03:00.371734
• Title: Position: Beyond Training Time, Test-Time Coordination is Essential for Cooperative MARL
• Title（参考訳）: 位置: トレーニング時間を超えて, テスト時間調整は協調MARLに不可欠である
• Abstract要約: 我々は,協調型マルチエージェント強化学習は,デプロイアーティファクトではなく,問題定義の一部としてテスト時間調整を扱うべきであると論じる。 我々の焦点は、倉庫ロボティクス、自動ストレージ・アンド・レトリーバルシステム、クラウド・リソース・スケジューリングなど、長期的、集中的に監視される協調システムである。
• 参考スコア（独自算出の注目度）: 18.535826685674213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We argue that cooperative multi-agent reinforcement learning (MARL) should treat test-time coordination as part of the problem definition rather than a deployment artifact. Our focus is on long-horizon, centrally monitored cooperative systems such as warehouse robotics, automated storage-and-retrieval systems, and cloud-resource scheduling, where teams share a reward, operate under shifting objectives, and already run with global telemetry at deployment. The dominant paradigm in this regime, centralized training with decentralized execution (CTDE), uses global information only during training and provides no coordination channel at execution. This is sufficient when agents are weakly coupled or the environment is stationary, but it fails when the team must realign after conditions change. The limitation is structural rather than algorithmic, and more training cannot add a channel that does not exist at execution time. We call this the recoverability gap. To address it, we name the underexplored design space of intermittent test-time coordination as centralized training with mixed execution (CTME), in which a coordinator observes global state and emits high-level signals while agents act locally. CTME is not a particular learning algorithm, but a cooperative MARL problem setting that makes test-time information structure explicit. It specifies team-level information, high-level signals, and update frequency after training, with CTDE recovered as a limit case. We do not argue that CTDE is obsolete. We argue that removing the test-time channel is a modeling choice, not a necessity, and the wrong default when global telemetry is available and teams must recover from drift.
• Abstract（参考訳）: 協調型マルチエージェント強化学習(MARL)は, 開発成果物ではなく, 問題定義の一部として, テスト時間調整を取り扱うべきであると論じる。 私たちの焦点は、倉庫ロボット、自動ストレージ・アンド・レトリーバルシステム、クラウド・リソーススケジューリングといった、長期的、集中的に監視された協調システムです。 この体制における支配的なパラダイムは、分散実行(CTDE)による集中的なトレーニングであり、トレーニング中にのみグローバル情報を使用し、実行時の調整チャネルを提供しない。 これはエージェントが弱い結合や環境が静止している場合に十分だが、条件が変わった後にチームが認識しなければならないときに失敗する。 制限はアルゴリズムよりも構造的であり、より多くのトレーニングでは実行時に存在しないチャネルを追加することはできない。 これを回復可能性ギャップと呼んでいる。 そこで我々は,間欠的テスト時間協調の未探索な設計空間を混合実行(CTME)による集中的訓練と呼び,コーディネータがグローバルな状態を観察し,エージェントがローカルに行動している間に高レベル信号を出力する。 CTMEは特定の学習アルゴリズムではなく、テスト時間情報構造を明確にする協調的なMARL問題設定である。 チームレベルの情報、ハイレベル信号、トレーニング後の更新頻度を指定し、CTDEをリミットケースとして復元する。 CTDEは時代遅れとは言い難い。 テストタイムチャネルを削除することは、必要ではなく、モデリングの選択であり、グローバルテレメトリが利用可能で、チームがドリフトから回復しなければならない場合に、誤ったデフォルトである、と私たちは主張する。

関連論文リスト

• 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)
• 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)
• Multi-agent In-context Coordination via Decentralized Memory Retrieval [39.106914463842685]
  多様なデータセットに基づいてトレーニングされた大規模なトランスフォーマーモデルは、これまで目に見えなかったタスクにおいて、印象的な数ショットのパフォーマンスを誇示している。 MARL(Multi-Agent Reinforcement Learning)では、エージェントが共通の目標に向かって調整しなければならない。 高速適応によるコーディネーション向上を目的とした新しい手法である分散メモリ検索(MAICC)によるマルチエージェントインコンテキストコーディネーションを提案する。
  論文  参考訳（メタデータ） (2025-11-13T07:08:31Z)
• On the Surprising Effectiveness of a Single Global Merging in Decentralized Learning [26.210904912836355]
  我々は、グローバルな一般化を改善するために、どのようにコミュニケーションをスケジュールするかを検討する。 単一のグローバルマージによって実装された最終段階における完全接続通信は、一般化性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2025-07-09T04:56:56Z)
• Benchmarking LLMs' Swarm intelligence [51.648605206159125]
  大規模言語モデル(LLM)は複雑な推論の可能性を秘めているが、マルチエージェントシステム(MAS)における創発的協調の能力はほとんど探索されていない。 分散エージェントとして機能するLDMのタスクを体系的に評価する新しいベンチマークであるSwarmBenchを紹介する。 本稿では,協調効率の指標を提案し,創発的グループダイナミクスを解析する。
  論文  参考訳（メタデータ） (2025-05-07T12:32:01Z)
• Shadowheart SGD: Distributed Asynchronous SGD with Optimal Time Complexity Under Arbitrary Computation and Communication Heterogeneity [85.92481138826949]
  我々は,従来の集中型手法の時間的複雑さを確実に改善する新しい手法であるShadowheart SGDを開発した。 また、サーバからワーカーへのブロードキャストが無視できない双方向設定も検討し、対応する方法を開発した。
  論文  参考訳（メタデータ） (2024-02-07T12:15:56Z)
• Event-Triggered Decentralized Federated Learning over Resource-Constrained Edge Devices [12.513477328344255]
  Federated Learning (FL)は分散機械学習(ML)のための技術である 従来のFLアルゴリズムでは、エッジで訓練されたモデルを中央サーバに定期的に送信して集約する。 我々は、デバイスが協調的なコンセンサス形成を通じてモデルアグリゲーションを行う完全分散FLのための新しい手法を開発した。
  論文  参考訳（メタデータ） (2022-11-23T00:04:05Z)
• Distributed Q-Learning with State Tracking for Multi-agent Networked Control [61.63442612938345]
  本稿では,LQR(Linear Quadratic Regulator)のマルチエージェントネットワークにおける分散Q-ラーニングについて検討する。 エージェントに最適なコントローラを設計するための状態追跡(ST)ベースのQ-ラーニングアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2020-12-22T22:03:49Z)

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。