論文の概要: Jev-LiteMAS: Separating Decisions from Generation in Multi-Agent Workflows

• arxiv url: http://arxiv.org/abs/2610.21411v1
• Date: Thu, 15 Oct 2026 07:26:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.251348
• Title: Jev-LiteMAS: Separating Decisions from Generation in Multi-Agent Workflows
• Title（参考訳）: Jev-LiteMAS: マルチエージェントワークフローの生成から分離する
• Abstract要約: マルチエージェントLLMシステムは、専門家の実行、ワークフロー計画、アーティファクトレビューのための生成モデルに依存している。 これらの操作を低コストな決定モデルに置き換えると、2つのインターフェースギャップが生じる。 本稿では,Jev-LiteMASについて紹介する。Jev-LiteMASは,軽量な決定モデル(Jev)と生成的実行とフィードバックを組み合わせることで,両方のギャップを橋渡しするマルチエージェントフレームワークである。
• 参考スコア（独自算出の注目度）: 5.4775608854724345
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent LLM systems rely on generative models for expert execution, workflow planning, and artifact review. Yet many coordination operations require only bounded decisions, such as selecting the next expert or judging artifact quality. Profiling three representative MAS frameworks, we find that routing and review account for 31.7-43.5% of generative-LLM tokens. However, replacing these operations with low-cost decision models introduces two interface gaps: generative planners produce execution plans and handoff instructions (planning gap), while reviewers provide actionable feedback for repairing flawed artifacts (review gap), which bounded decisions alone cannot provide. We introduce Jev-LiteMAS, a multi-agent framework that bridges both gaps by combining a lightweight decision model (Jev) with generative execution and feedback. To address the planning gap, Jev selects experts dynamically from the task and prior expert outputs, using accumulated context to ground subsequent execution without a pre-generated trajectory. To address the review gap, Jev screens intermediate artifacts against task criteria: passing artifacts proceed directly, whereas flagged ones undergo LLM re-review for acceptance or corrective feedback. Across four benchmarks and two backbones, Jev-LiteMAS reduces generative-LLM tokens by 12.7-54.6% over LAS, maintaining accuracy within 1.34 percentage points and lowering latency in seven of eight settings. Grounding routing in substantive expert outputs prevents up to 18.0 points in accuracy loss.
• Abstract（参考訳）: マルチエージェントLLMシステムは、専門家の実行、ワークフロー計画、アーティファクトレビューのための生成モデルに依存している。 しかし、多くの調整作業では、次の専門家の選択やアーティファクトの品質の判断など、限定的な決定しか必要としない。 3つの代表的なMASフレームワークをプロファイリングすると、ルーティングとレビューは生成LLMトークンの31.7-43.5%を占める。 しかし、これらの操作を低コストな意思決定モデルに置き換えると、2つのインターフェースギャップが生じる: 生成プランナーは実行計画とハンドオフ命令(プランニングギャップ)を作成し、レビュー担当者は欠陥のあるアーティファクト(リビューギャップ)を修復するための実行可能なフィードバックを提供する。 本稿では,Jev-LiteMASについて紹介する。Jev-LiteMASは,軽量な決定モデル(Jev)と生成的実行とフィードバックを組み合わせることで,両方のギャップを橋渡しするマルチエージェントフレームワークである。 計画のギャップに対処するため、Jevはタスクと事前のエキスパートアウトプットから専門家を動的に選別し、蓄積したコンテキストを使用して、事前に生成された軌跡を使わずにその後の実行を基盤とする。 レビューのギャップに対処するため、Jevは中間成果物をタスクの基準に当てはめている: 通過成果物は直接進行するが、フラグ付き成果物は受理または修正フィードバックのために再レビューされる。 4つのベンチマークと2つのバックボーンで、Jev-LiteMASはジェネレーティブLLMトークンをLASで12.7-54.6%削減し、精度は1.34ポイント以内であり、8つの設定のうち7つでレイテンシーを下げている。 静的エキスパート出力のグラウンドルーティングは、最大18.0ポイントの精度損失を防ぐ。

関連論文リスト

• What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
  視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。 SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
  論文  参考訳（メタデータ） (2026-06-01T03:18:01Z)
• EngiAI: A Multi-Agent Framework and Benchmark Suite for LLM-Driven Engineering Design [0.4499833362998488]
  3つの評価次元を持つベンチマークスイートを導入する。 本稿では,LangGraph上に構築されたマルチエージェントシステム(MAS)の実装であるEngiAIを紹介する。
  論文  参考訳（メタデータ） (2026-05-19T12:12:09Z)
• PROTEA: Offline Evaluation and Iterative Refinement for Multi-Agent LLM Workflows [1.6429511119132734]
  マルチエージェント LLM はシングルプロンプトベースラインよりも優れていることが多いが、デバッグや洗練は困難である。 マルチエージェントシステムのオフライン・テスト駆動型改善のための統一インターフェース PROTEA を提案する。
  論文  参考訳（メタデータ） (2026-05-18T08:22:14Z)
• Unsolvability Ceiling in Multi-LLM Routing: An Empirical Study of Evaluation Artifacts [0.07812854697536452]
  6つのベンチマークで206,000のクエリモデルペアを持つマルチ層LSMルーティングについて大規模に検討する。 報告された未解決性のかなりの部分は, 評価成果物に起因していることが示されている。
  論文  参考訳（メタデータ） (2026-05-08T07:49:24Z)
• DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
  DoVerは、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のための介入駆動デバッグフレームワークである。 ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。 DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
  論文  参考訳（メタデータ） (2025-12-07T09:23:48Z)
• AgenTracer: Who Is Inducing Failure in the LLM Agentic Systems? [71.21547572568655]
  AgenTracer-8Bは、マルチグラニュラ強化学習で訓練された軽量障害トレーサである。 Who&Whenベンチマークでは、AgenTracer-8BはGemini-2.5-ProやClaude-4-Sonnetのような巨大なLLMを最大18.18%上回っている。 AgenTracer-8BはMetaGPTやMAASのような市販のマルチエージェントシステムに4.8-14.2%の性能向上をもたらす。
  論文  参考訳（メタデータ） (2025-09-03T13:42:14Z)
• GeoBenchX: Benchmarking LLMs in Agent Solving Multistep Geospatial Tasks [0.11458853556386796]
  本稿では,大規模言語モデル(LLM)のツールコール能力を評価するためのベンチマークを確立する。 我々は,23の地理空間機能を備えた簡易なツールコールエージェントを用いて,8種類の商用LCM (Claude Sonnet 3.5, 4, Claude Haiku 3.5, Gemini 2.0 Flash, Gemini 2.5 Pro Preview, GPT-4o, GPT-4.1, o4-mini) を評価した。 OpenAIのGPT-4.1、GPT-4o、GoogleのGemini 2.5 Pro Previewはそれほど遅れていないが、最後の2つはより効率的である。
  論文  参考訳（メタデータ） (2025-03-23T16:20:14Z)
• Why Do Multi-Agent LLM Systems Fail? [87.90075668488434]
  MAST-Dataは7つの人気のあるMASフレームワークで収集された1600以上の注釈付きトレースの包括的なデータセットである。 我々はMAST(Multi-Agent System Failure Taxonomy)を初めて構築する。 MASTとMAST-Dataを利用して、モデル(GPT4、Claude 3、Qwen2.5、CodeLlama)とタスク(コーディング、数学、汎用エージェント)の障害パターンを分析します。
  論文  参考訳（メタデータ） (2025-03-17T19:04:38Z)

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。