論文の概要: Degrees of Freedom in Multi-Agent Coordination: Between Centralized and Decentralized Regimes

• arxiv url: http://arxiv.org/abs/2610.17751v1
• Date: Tue, 13 Oct 2026 05:32:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.528698
• Title: Degrees of Freedom in Multi-Agent Coordination: Between Centralized and Decentralized Regimes
• Title（参考訳）: マルチエージェントコーディネートにおける自由度:中央集権と分散レジームの間
• Abstract要約: 大規模言語モデル(LLM)ベースのマルチエージェントシステムは、一般に2つの調整体制を中心に構成されている。 これらのトレードオフは、2つの体制の間の空間の体系的な研究を動機付けている。 下流エージェントに委譲される決定空間のサイズを定量化する継続的構成フレームワークである自由度(Degrees of Freedom, DoF)を紹介する。
• 参考スコア（独自算出の注目度）: 32.74735996219393
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-based multi-agent systems (MAS) are commonly organized around two coordination regimes. Centralized coordination provides explicit control but can create a bottleneck at a single coordination locus, whereas decentralized coordination offers local autonomy but must achieve effective collaboration through distributed decisions and experience. These trade-offs motivate a systematic study of the space between the two regimes. We introduce Degrees of Freedom (DoF), a continuous configuration framework that quantifies the size of the decision space delegated to downstream agents. DoF controls the granularity of delegated work and the target probability that each task unit is assigned to the branches. Its endpoints recover the two coordination regimes. Across multiple task domains, DoF reveals a hierarchy of organizational effects. Delegated granularity and within-regime routing produce structured but bounded profile reallocations, whereas task domain and retained experience are associated with stronger differences between the centralized- and decentralized-branch profiles. The resulting performance landscape is task-dependent: different domains favor different DoF configurations, while atomic-target conditions are more consistent across runs. In-domain retained experience brings the two branch profiles closer together. The same controlled sweep reveals a task-dependent coordination landscape: some domains exhibit higher-performing configurations, whereas others show flatter responses and no single configuration dominates across domains. In five of the six evaluated state, an intermediate DoF configuration achieves higher mean accuracy than both endpoints, demonstrating the value of exploring the coordination space between them. Together, these findings provide empirical guidance for studying and designing intermediate coordination regimes in LLM-based MAS.
• Abstract（参考訳）: 大規模言語モデル (LLM) ベースのマルチエージェントシステム (MAS) は一般に2つの調整体制を中心に構成されている。 集中型コーディネーションは明確なコントロールを提供するが、単一コーディネートにおけるボトルネックを生じさせる可能性がある。 これらのトレードオフは、2つの体制の間の空間の体系的な研究を動機付けている。 下流エージェントに委譲される決定空間のサイズを定量化する継続的構成フレームワークである自由度(Degrees of Freedom, DoF)を紹介する。 DoFは、デリゲートされた作業の粒度と、各タスクユニットがブランチに割り当てられるターゲット確率を制御する。 終端は2つの調整体制を回復する。 複数のタスクドメインにまたがって、DoFは組織的効果の階層構造を明らかにする。 分割された粒度とレジスタ内ルーティングは、構造化されているが有界なプロファイル再配置を生成するが、タスクドメインと保持された経験は、集中型プロファイルと分散型プロファイルのより強い差異と関連している。 異なるドメインは異なるDoF設定を好むが、アトミックターゲット条件は実行中により一貫性がある。 ドメイン内の保持されたエクスペリエンスにより、2つのブランチプロファイルがより緊密になる。 同じコントロールされたスイープはタスク依存のコーディネーションの状況を明らかにしている。いくつかのドメインは高いパフォーマンスのコンフィギュレーションを示し、他のドメインはよりフラットなレスポンスを示し、ドメイン間で単一の構成が支配的になることはない。 6つの評価状態のうち5つの状態において、中間DoF構成は両方のエンドポイントよりも高い平均精度を達成し、それらの間の調整空間を探索する価値を示す。 これらの知見は, LLMをベースとしたMASにおける中間座標系の研究と設計のための実証的なガイダンスを提供する。

関連論文リスト

• Toward an Organizational Science of Multi-Agent LLM Systems: Decoupling Who, How, and Which Algorithm [14.162774819793759]
  IMACSは、チームにいる人、メンバーがどのように整列し、どのアルゴリズムが作業を混乱させるかという、論理的に異なる3つの懸念を分離する。 我々は、この分離を利用して、協調プロトコルが固定されている間、組織的な課題が異なる制御された比較を行う。 また、プロトコルの選択を学習可能な変数に変換する。
  論文  参考訳（メタデータ） (2026-07-28T08:35:21Z)
• 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)
• Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts [75.20929587906228]
  LLM(Large Language Model)を利用したマルチエージェントシステム(MAS)は、複雑なタスクにおける協調推論、ツールの使用、役割特化調整を急速に進めている。 しかし、信頼性クリティカルなデプロイメントは、体系的な障害モード、すなわち命令の競合による階層的コンプライアンスによって妨げられている。
  論文  参考訳（メタデータ） (2025-09-27T08:43:34Z)
• ColNet: Collaborative Optimization in Decentralized Federated Multi-task Learning Systems [6.246837222391048]
  ColNetは、分散化されたフェデレーション環境における異種タスク用に設計されたフレームワークである。 バックボーンはグループ内で平均化され、グループリーダーはハイパーコンフリクトとアバースのクロスグループアグリゲーションを実行する。
  論文  参考訳（メタデータ） (2025-01-17T18:40:38Z)
• Toward multi-target self-organizing pursuit in a partially observable Markov game [34.22625222101752]
  本研究では,探索・追従における暗黙的協調機能を改善するために,分散化されたマルチエージェントシステムのためのフレームワークを提案する。 我々は,大規模な分散化,部分的な観察,非コミュニケーションを特徴とする,部分的に観測可能なマルコフゲーム(POMG)として自己組織化システムをモデル化する。 提案した分散アルゴリズムは, ファジィ自己組織化協調共進化(FSC2)を利用して, マルチターゲットSOPにおける3つの課題を解決する。
  論文  参考訳（メタデータ） (2022-06-24T14:59:56Z)
• Semi-supervised Domain Adaptive Structure Learning [72.01544419893628]
  半教師付きドメイン適応 (SSDA) は,1) アノテーションの低いデータに過度に適合する手法と,2) ドメイン間の分散シフトの両方を克服しなければならない課題である。 SSLとDAの協調を正規化するための適応型構造学習手法を提案する。
  論文  参考訳（メタデータ） (2021-12-12T06:11:16Z)
• HCDG: A Hierarchical Consistency Framework for Domain Generalization on Medical Image Segmentation [33.623948922908184]
  ドメイン一般化のための新しい階層的一貫性フレームワーク(HCDG)を提案する。 Extrinsic Consistencyでは、複数のソースドメインにまたがる知識を活用して、データレベルの一貫性を強制します。 Intrinsic Consistencyでは、デュアルタスクシナリオの下で同じインスタンスに対してタスクレベルの一貫性を実行します。
  論文  参考訳（メタデータ） (2021-09-13T07:07:23Z)
• Conditional Coupled Generative Adversarial Networks for Zero-Shot Domain Adaptation [31.334196673143257]
  あるドメインでトレーニングされた機械学習モデルは、ドメインシフトが存在するため、他のドメインではうまく機能しない。 本研究では,CoGANを条件付きモデルに拡張することにより,条件付き生成逆数ネットワーク(CoCoGAN)を提案する。 提案したCoCoGANは,2つの異なるタスク,すなわち関連タスク (RT) と非関連タスク (IRT) で二重ドメインサンプルの連成分布を捉えることができる。
  論文  参考訳（メタデータ） (2020-09-11T04:36:42Z)
• Deep Co-Training with Task Decomposition for Semi-Supervised Domain Adaptation [80.55236691733506]
  半教師付きドメイン適応(SSDA)は、ラベル付きソースドメインからトレーニングされたモデルを、異なるが関連するターゲットドメインに適応させることを目的としている。 本稿では,SSDAタスクを対象ドメイン内の半教師付き学習(SSL)タスクと,ドメイン間の非教師付きドメイン適応(UDA)タスクの2つのサブタスクに明示的に分解することを提案する。
  論文  参考訳（メタデータ） (2020-07-24T17:57:54Z)
• Deep Implicit Coordination Graphs for Multi-agent Reinforcement Learning [36.844163371495995]
  本稿では,このようなシナリオに対するディープ暗黙協調グラフ(DICG)アーキテクチャを提案する。 DICGは、動的コーディネーショングラフ構造を推論するモジュールで構成されており、グラフニューラルネットワークベースのモジュールによって、ジョイントアクションや値について暗黙的に推論することを学ぶために使用される。 以上の結果から,DICGは捕食・捕食作業における相対的過一般化の問題を解消し,また,課題であるStarCraft II Multi-agent Challenge (SMAC) や交通ジャンクション環境において,様々なMARLベースラインを上回ります。
  論文  参考訳（メタデータ） (2020-06-19T23:41:49Z)
• Domain Conditioned Adaptation Network [90.63261870610211]
  本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。 これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
  論文  参考訳（メタデータ） (2020-05-14T04:23:24Z)

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。