論文の概要: FRACTAL: A Self-Similar Multi-Agent Orchestration Architecture with Formal Communication, Convergence, and Depth Bounds
- arxiv url: http://arxiv.org/abs/2610.22561v1
- Date: Thu, 15 Oct 2026 19:02:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.635273
- Title: FRACTAL: A Self-Similar Multi-Agent Orchestration Architecture with Formal Communication, Convergence, and Depth Bounds
- Title（参考訳）: FRACTAL: 形式的コミュニケーション,収束,深さ境界を備えた自己相似マルチエージェントオーケストレーションアーキテクチャ
- Abstract要約: 本稿では、目標分解のための自己相似マルチエージェントアーキテクチャFRACTALを提案する。
我々は「フラクタル」を、測定された数学的性質ではなく、自己相似性のアーキテクチャメタファーとして利用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present FRACTAL, a self-similar multi-agent architecture for recursive goal decomposition, in which the same five-component organizational pattern -- Orchestrator, Ensemble, Knowledge Ledger, Decision Maker, Meta-Observer -- recurs at every level of a decomposition tree. We make four formal contributions: (1) a communication bound showing intra-node cost is linear in ensemble size and round count (O(kr)) under a two-phase blind-proposal/stress-test protocol, versus quadratic cost for free-form debate, with an explicit, stated assumption on fixed evaluator count; (2) a two-mode orchestration criterion separating generative and evaluative phases via a measurable diversity-saturation threshold; (3) a supermajority convergence guarantee with explicit probability bounds at stated agreement levels, and a formal depth bound under an operationalized goal-complexity measure; (4) a Bayesian inter-layer escalation mechanism unifying hysteresis and contract-breach signaling under one posterior update. We illustrate the architecture's execution qualitatively on a worked example and a multi-layer case study; we do not report quantitative performance claims in this paper, and we explicitly discuss the formal and inductive-bias limitations of the model, including an unimplemented but architecture-compatible direction toward bounded self-improvement. We use "fractal" as an architectural metaphor for self-similarity, not a measured mathematical property. Empirical validation of the architecture's comparative performance is left to future work.
- Abstract（参考訳）: 我々は、再帰的なゴール分解のための自己相似マルチエージェントアーキテクチャであるFRACTALを紹介し、同じ5成分の組織パターンであるOrchestrator、Ensemble、Knowledge Ledger、Decision Maker、Meta-Observerは、分解ツリーの各レベルで再帰する。
我々は,(1) ノード内コストを示す通信境界がアンサンブルサイズとラウンドカウント(O(kr))の2相ブラインドプロポッシル/ストレステストプロトコルの下で線形であること,(2) 固定評価器数に対する明示的な仮定による2相ディベロップメントの2次ディベロップメント,(2) 測定可能な多様性飽和しきい値による生成的および評価的フェーズを分離する2モードオーケストレーション基準,(3) 条件付き合意レベルにおける明示的確率境界を保証したスーパーマジョリティー収束,(4) 運用された目標・複雑度尺度の下での形式的深度, (4) ベイズ間層エスカレーション機構によるヒステリシスとコントラクトブレッチ信号の統一化, という4つの公式なコントリビューションを行う。
本稿では, 実例と多層ケーススタディに基づいて, アーキテクチャの実行を質的に説明し, 定量的性能の主張を報告しない。
我々は「フラクタル」を、測定された数学的性質ではなく、自己相似性のアーキテクチャメタファーとして利用する。
アーキテクチャの比較パフォーマンスの実証的な検証は、今後の作業に委ねられる。
関連論文リスト
- A Hierarchy-Aware Video-Language Model Evaluation and Hyperbolic Baseline for Surgery [56.13393194231687]
SurgHiBenchは外科的ビデオ理解のための最初の階層認識評価スイートである。
同じ精度の2つのモデルは、非常に異なるエラー重大度を予測することができる。
論文 参考訳（メタデータ） (2026-09-22T22:58:46Z) - Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。
提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。
この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
論文 参考訳（メタデータ） (2026-07-23T02:46:11Z) - Collective Intelligence with Foundation Models [0.0]
本章では、解法モデルが独立したドラフトを生成するマルチエージェントフレームワークを提示し、それぞれが構造化された批評と批評エージェントによる改訂を行い、集約エージェントが最終的なコンセンサスソリューションを合成する。
スコアリングモジュールは、すべてのエージェントに対して意味的、数値的、手続き的評価を提供する。
異種多エージェント協調が, 科学的, 産業的領域における透明性, 監査性, 高信頼な意思決定をいかに支援しているかを示す。
論文 参考訳（メタデータ） (2026-07-06T19:52:39Z) - Beyond Accuracy: Benchmarking Cross-Task Consistency in Unified Multimodal Models [12.660879089125684]
統一マルチモーダルモデル(uMM)は、共有表現内で視覚的理解と視覚的生成の両方をサポートすることを目的としている。
既存の評価プロトコルは、これらの2つの機能を独立して評価し、それらが意味的に整合しているかどうかを検査しない。
XTC-Benchは,タスク間の視覚的セマンティック一貫性を計測する,シーングラフによる評価フレームワークである。
論文 参考訳（メタデータ） (2026-04-27T23:57:29Z) - From Perception to Autonomous Computational Modeling: A Multi-Agent Approach [0.0]
本稿では,協調型大言語モデル(LLM)エージェントが完全計算力学ワークフローを自律的に実行する,解法に依存しないフレームワークを提案する。
エージェントは、パイプライン層間の条件付きイテレーションを導入する品質ゲートを備えた共有コンテキスト空間上の条件付き演算子として形式化される。
論文 参考訳（メタデータ） (2026-04-08T07:56:34Z) - A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology [54.72352855252792]
本研究では,認知関数軸を7つのカテゴリ,実行位相軸を6つの構造的アーチタイプと組み合わせた2次元分類を提案する。
その結果得られた7x6行列は、27の名前付きパターン、13のオリジナルネームを識別し、AIエージェントアーキテクチャ設計のための原則付き、フレームワークニュートラル、モデルに依存しない語彙を提供する。
論文 参考訳（メタデータ） (2026-03-16T04:01:01Z) - Reasoning-Driven Amodal Completion: Collaborative Agents and Perceptual Evaluation [17.405818788700234]
本稿では,視覚合成から意味的計画を明確に分離する協調的マルチエージェント推論フレームワークを提案する。
提案手法は,画素生成前の構造的,明示的なプランを生成し,視覚的,意味的に整合した単一パス合成を可能にする。
従来の評価基準の限界に対処し,新しい人間対応評価指標MAC-Scoreを導入する。
論文 参考訳（メタデータ） (2025-12-24T04:39:45Z) - BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。
提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
論文 参考訳（メタデータ） (2025-11-26T06:39:19Z) - RealUnify: Do Unified Models Truly Benefit from Unification? A Comprehensive Benchmark [71.3555284685426]
本稿では,双方向機能相乗効果を評価するためのベンチマークであるRealUnifyを紹介する。
RealUnifyは、10のカテゴリと32のサブタスクにまたがる、細心の注意を払ってアノテートされた1000のインスタンスで構成されている。
現在の統一モデルは、効果的な相乗効果を達成するのに依然として苦労しており、アーキテクチャの統一だけでは不十分であることを示している。
論文 参考訳（メタデータ） (2025-09-29T15:07:28Z) - Understanding and Constructing Latent Modality Structures in Multi-modal
Representation Learning [53.68371566336254]
優れたパフォーマンスの鍵は、完全なモダリティアライメントではなく、有意義な潜在モダリティ構造にある、と我々は主張する。
具体的には,1)モダリティ内正規化のための深い特徴分離損失,2)モダリティ間正規化のためのブラウン橋損失,3)モダリティ内正規化およびモダリティ間正規化のための幾何学的整合損失を設計する。
論文 参考訳（メタデータ） (2023-03-10T14:38:49Z)
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。