論文の概要: Learning to Steer LLM Agents and Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2610.22316v1
• Date: Thu, 15 Oct 2026 17:51:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.245855
• Title: Learning to Steer LLM Agents and Multi-Agent Systems
• Title（参考訳）: LLMエージェントのステアリングとマルチエージェントシステム
• Abstract要約: 大規模言語モデル(LLM)ベースのエージェントとマルチエージェントシステムは、実行が広がるにつれて、全体的な目標から逸脱しがちである。 本研究では,フライ時の実行を監督し,ドリフトの発生時にシステムを軌道に戻すステアリングエージェントを提案する。
• 参考スコア（独自算出の注目度）: 83.21203801970277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model (LLM)-based agents and multi-agent systems increasingly tackle complex tasks through long-horizon tool use and inter-agent collaboration. However, these systems are prone to deviating from the overall goal as execution unfolds, which wastes execution resources and leads to undesired outcomes, a failure termed goal drift. In this work, we propose a steering agent that supervises execution on the fly and steers the system back on track when drift occurs. The steering agent observes the execution context, deciding when to intervene with a low-cost fast path and how to intervene with a high-cost slow path. To unlock its steering intelligence, the ability to assess goal drift and generate effective interventions, we jointly train the two paths with reinforcement learning, combining a pairwise ranking objective with group-relative policy optimization (GRPO). Experiments on information-seeking search tasks show that the steering agent provides effective supervision for both single-agent and multi-agent systems, improving their performance and efficiency. The learned steering intelligence generalizes to out-of-domain tasks, transfers to unseen executors, and supports controllable intervention frequency without retraining.
• Abstract（参考訳）: 大規模言語モデル(LLM)ベースのエージェントとマルチエージェントシステムは、長期ツールの使用やエージェント間のコラボレーションを通じて、複雑なタスクに対処する傾向にある。 しかしながら、これらのシステムは、実行リソースを浪費し、望ましくない結果をもたらす、いわゆるゴールドリフトによって、全体的な目標から逸脱する傾向があります。 本研究では,フライ時の実行を監督し,ドリフトの発生時にシステムを軌道に戻すステアリングエージェントを提案する。 ステアリング剤は、実行状況を観察し、低コストのファストパスにいつ介入するか、また、高コストのスローパスにどのように介入するかを決定する。 その操舵知能を解き,目標のドリフトを評価し,効果的な介入を生成する能力を得るため,両経路を協調的に強化学習で訓練し,グループ相対的政策最適化(GRPO)と相互にランク付けする目的を組み合わせた。 情報探索探索タスクの実験から, ステアリングエージェントは, シングルエージェントとマルチエージェントシステムの両方に対して効果的な監視を行い, 性能と効率を向上することを示した。 学習されたステアリングインテリジェンスは、ドメイン外のタスクに一般化し、目に見えないエグゼキュータに転送し、再トレーニングすることなく制御可能な介入頻度をサポートする。

関連論文リスト

• LIBERO-Agent: Evaluating General-Purpose Agents for Direct Embodied Manipulation [69.6306613959287]
  汎用エージェントは、フィードバックから行動の計画、使用、修正を行うことができるが、これらの機能がデジタル環境から具体的操作へ移行するかどうかは不明だ。 本稿では,ロボット操作タスクにおけるエージェント評価のためのエージェントネイティブベンチマークであるLIBERO-Agentを紹介する。
  論文  参考訳（メタデータ） (2026-09-30T11:10:10Z)
• 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)
• Who Broke the System? Failure Localization in LLM-Based Multi-Agent Systems [9.458292549037155]
  LLMに基づくマルチエージェントシステムにおける障害局所化の問題について検討する。 我々は、特定のエージェントと最初期の決定的なステップの両方に障害を属性付けるフレームワークであるAgentを提案する。 実験の結果、Agentは既存の障害ローカライゼーションメソッドを一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-07-08T23:33:49Z)
• Role-Agent: Bootstrapping LLM Agents via Dual-Role Evolution [25.26084224278813]
  Role-Agentは単一のLarge Language Model(LLM)を使用してエージェントと環境の両方として同時に機能する。 Role-Agentはパフォーマンスを継続的に改善し、強いベースラインよりも平均4%以上向上する。
  論文  参考訳（メタデータ） (2026-06-09T14:28:07Z)
• Learning to Retrieve from Agent Trajectories [72.8923565916533]
  我々はエージェント間相互作用データから直接エージェント探索のための検索モデルを訓練すべきであると主張している。 エージェント・トラジェクトリからの学習を新たな訓練パラダイムとして導入し,マルチステップエージェントのインタラクションから指導を導出する。 本研究は,エージェント探索時代における検索の方向性を示すとともに,エージェントトラジェクトリを実用的でスケーラブルな監視源として強調するものである。
  論文  参考訳（メタデータ） (2026-03-30T17:59:02Z)
• Training-Free Agentic AI: Probabilistic Control and Coordination in Multi-Agent LLM Systems [6.036652381757588]
  マルチエージェントLLMコラボレーションのための軽量かつトレーニング不要なコントローラであるREDEREFを紹介する。 信念誘導ルーティングはトークンの使用量を28%減らし,エージェントコールを17%減らし,タイム・ツー・サクセスを19%減らした。 その結果, 簡易で解釈可能な確率的制御は, 訓練や微調整を伴わずに, マルチエージェントLLMシステムの効率と堅牢性を有意義に向上させることができることを示した。
  論文  参考訳（メタデータ） (2026-02-24T21:39:14Z)
• Goal-Oriented Multi-Agent Reinforcement Learning for Decentralized Agent Teams [0.6676697660506798]
  本稿では,車両がエージェントとして機能し,局地的な目標や観測に基づいて選択的にコミュニケーションできる分散マルチエージェント強化学習(MARL)フレームワークを提案する。 この目標対応コミュニケーション戦略により、エージェントは関連する情報のみを共有することができ、可視性制限を尊重しながらコラボレーションを強化することができる。 その結果,本手法は作業成功率を大幅に改善し,非協調的ベースラインに比べて時間とゴールを短縮することがわかった。
  論文  参考訳（メタデータ） (2025-11-15T02:11:31Z)
• Multi-agent Path Finding for Timed Tasks using Evolutionary Games [1.3023548510259344]
  我々のアルゴリズムは,少なくとも1桁の精度で深部RL法よりも高速であることを示す。 以上の結果から,他の方法と比較してエージェント数の増加にともなってスケールが向上することが示唆された。
  論文  参考訳（メタデータ） (2024-11-15T20:10:25Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• Trial and Error: Exploration-Based Trajectory Optimization for LLM Agents [49.85633804913796]
  本稿では,ETOと呼ばれる探索に基づく軌道最適化手法を提案する。 この学習方法はオープンLLMエージェントの性能を向上させるために設計されている。 3つの複雑なタスクに関する実験は、ETOがベースライン性能をはるかに上回っていることを示す。
  論文  参考訳（メタデータ） (2024-03-04T21:50:29Z)

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。