論文の概要: Why Do Agent Teams Fail Across Boundaries? A Failure Taxonomy for Agent-to-Agent Systems with Private States

• arxiv url: http://arxiv.org/abs/2610.19342v1
• Date: Wed, 14 Oct 2026 00:36:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.862474
• Title: Why Do Agent Teams Fail Across Boundaries? A Failure Taxonomy for Agent-to-Agent Systems with Private States
• Title（参考訳）: エージェントチームが境界を越えて失敗する理由 : エージェント・ツー・エージェント・システムと民間との失敗分類
• Abstract要約: エージェント・ツー・エージェント(A2A)のシナリオでは、各エージェントは独自の環境を持ち、他のエージェントが見ることができない情報と権限を持っている。 既存のマルチエージェントシステム障害研究では、オーケストレータ、共有ワークスペース、プリンシパルのみを前提としています。 我々は、異なるエージェントハーネスとモデルで構築された2500以上のA2Aシステムについて研究する。
• 参考スコア（独自算出の注目度）: 80.23931788138104
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Agents are increasingly interacting with other agents that act for different principals -- people or organizations on whose behalf they work -- e.g., a buyer's personal agent negotiating with an enterprise's seller agent. In such agent-to-agent (A2A) scenarios, each agent has its own environment and holds information and authority that the other cannot see. Moreover, the interests of each agent may be aligned (cooperative), partly aligned (mixed-motive), or opposed (competitive). Existing multi-agent system failure studies assume only one orchestrator, shared workspace, or principal. We ask how A2A systems fail when these assumptions are removed. We study more than 2,500 recorded runs of A2A systems built from different agent harnesses and models, spanning 488 scenarios across eight families (legal, CRM, security, commerce, etc.). From these traces, we derive $A^2$-Failures, a taxonomy of 20 A2A failure modes in four categories: (i) discovery and delegation, (ii) grounding and record consistency, (iii) verification, and (iv) conduct and fidelity. Three observations hold across the harnesses, models, and scenarios studied: (1) Agents match tasks to peer names mentioned in the prompt rather than actively searching for available peers; (2) Agents never fact-check each other unprompted; (3) Scoring only the final output rewards the lead agent while hiding internal coordination, verification, and behavioral breakdowns. Our study makes a case for comprehensive evaluations where agents are scored individually against their own objectives in addition to task outcome. We release the run logs behind the taxonomy at https://huggingface.co/datasets/a2a-salesforce/a2-failures.
• Abstract（参考訳）: 例えば、買い手の個人エージェントが企業の売り手エージェントと交渉するなど。 このようなエージェント・ツー・エージェント(A2A)のシナリオでは、各エージェントは独自の環境を持ち、他のエージェントが見ることができない情報と権限を持っている。 さらに、各エージェントの利害関係は、整列(協調)、部分的に整列(混合モチベーション)、あるいは反対(競争)される。 既存のマルチエージェントシステム障害研究では、オーケストレータ、共有ワークスペース、プリンシパルのみを前提としています。 これらの仮定が削除された場合、A2Aシステムはどのように失敗するかを問う。 我々は、異なるエージェントハーネスとモデルで構築された2500以上のA2Aシステムを8つのファミリー(法、CRM、セキュリティ、コマースなど)にまたがる488のシナリオで調査した。 これらのトレースから、4つのカテゴリで20のA2A障害モードの分類である$A^2$-Failuresを導出する。 (i)発見及び委任 (ii)接地と記録の整合性 (三)検証、及び (四)行為と忠実さ。 1)エージェントは、利用可能なピアを積極的に探すのではなく、プロンプトに記載されたピア名にタスクをマッチさせる;(2)エージェントは、互いに事実チェックをしない;(3)最終的なアウトプットだけが、内部調整、検証、行動の欠陥を隠蔽しながら、リードエージェントに報酬を与える。 本研究は,タスク成果に加えて,エージェントをそれぞれの目的に対して個別に評価する包括的評価の事例である。 私たちは、https://huggingface.co/datasets/a2a-salesforce/a2-failuresで、分類の背後にある実行ログをリリースします。

関連論文リスト

• Behind the Prompt: The Agent-User Problem in Information Retrieval [4.563318916484434]
  情報検索におけるユーザモデルは、観察された振る舞いが意図を明らかにするという基本的な仮定に依存している。 エージェントが取る任意のアクションに対して、隠された命令は同一の出力を生成し、個々のレベルで意図を識別できないようにする。 エージェントネイティブソーシャルプラットフォームからの大規模コーパスによるエージェントユーザ問題について検討する。
  論文  参考訳（メタデータ） (2026-03-04T01:42:14Z)
• Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
  数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。 モデル、足場、ベンチマークにまたがる3次元解析を行う。 私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
  論文  参考訳（メタデータ） (2025-10-13T22:22:28Z)
• Preventing Rogue Agents Improves Multi-Agent Collaboration [21.955058255432974]
  本稿では,アクション予測中にエージェントを監視し,将来エラーが発生する可能性がある場合に介入することを提案する。 WhoDunitEnv、コード生成タスク、そしてリソース持続可能性のためのGovSim環境の実験は、我々のアプローチがパフォーマンスを大幅に向上させることを示している。
  論文  参考訳（メタデータ） (2025-02-09T18:35:08Z)
• On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
  大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。 不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。 本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
  論文  参考訳（メタデータ） (2024-08-02T03:25:20Z)

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。