論文の概要: MELD: Recursive Self-Improvement via Hierarchical Coordination for Multi-Agent Scientific Discovery

• arxiv url: http://arxiv.org/abs/2610.24454v1
• Date: Sat, 17 Oct 2026 04:43:40 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 12:00:18.12893
• Title: MELD: Recursive Self-Improvement via Hierarchical Coordination for Multi-Agent Scientific Discovery
• Title（参考訳）: MELD:多分野の科学的発見のための階層的コーディネーションによる再帰的自己改善
• Abstract要約: MELDは階層的なテストタイムトレーニングフレームワークである。 単一の発見プロセス内に、チームレベルのコーディネータポリシとエージェントレベルのScientistポリシを適用する。 MLGym と MLE-bench のタスクでは、MELD は20のタスクで最高であり、MLGym の最高集合正規化スコアを達成している。
• 参考スコア（独自算出の注目度）: 8.5244964732145
• License:
• Abstract: Multi-agent scientific discovery with large language models raises a coupled learning problem: research assignments determine both which experiments are pursued and the experiences from which agents adapt. We introduce MELD, a unified hierarchical test-time training framework that jointly adapts a team-level Coordinator policy and agent-level individual Scientist policies within a single discovery process. The Coordinator generates a joint portfolio of search branches and research directives over a shared derivation tree, while Scientists develop hypotheses and execution plans implemented by a shared frozen Executor. Both levels receive alternating GRPO-style parameter updates under a shared smooth best-of-budget objective, allowing team organization and individual research behavior to co-evolve in a recursive self-improvement loop. Our analysis establishes objective alignment for the hierarchy, characterizes conditions for coordination gains over independent parallel discovery and the first-order benefit of private adaptation, and derives a finite-budget regret bound for adapted models. On 22 MLGym and MLE-bench tasks, MELD is best on 20 of them and achieves the highest aggregate normalized scores on MLGym, using a 4B backbone for coordination and research. Most baselines use proprietary Scientists, and all systems share one frozen Executor.
• Abstract（参考訳）: 研究課題は、どの実験が追求され、どのエージェントが適応するかを判断する。 チームレベルのコーディネータポリシとエージェントレベルの個々のScientistポリシを,単一の発見プロセス内で共同で適用可能な,階層的なテストタイムトレーニングフレームワークであるMELDを紹介する。 コーディネーターは、共有派生ツリー上の検索ブランチと研究ディレクティブの共同ポートフォリオを生成し、科学者は共有凍結実行者が実施する仮説と実行計画を策定する。 どちらのレベルもGRPOスタイルのパラメータの更新を、スムーズな予算目標の下で交互に受け取り、チーム組織と個人の研究行動が、再帰的な自己改善ループで共進化することを可能にします。 本分析は, 階層構造に対する客観的なアライメントを確立し, 独立並列探索よりもコーディネートゲインの条件と, 個人適応の第一次利益を特徴付け, 適応モデルに対する有限予算の後悔を導出する。 MLGymとMLE-benchの22のタスクでは、MELDは20のタスクで最高であり、調整と研究のために4Bバックボーンを使用して、MLGymの最高集合正規化スコアを達成している。 ほとんどのベースラインはプロプライエタリなScientistを使っており、すべてのシステムはフリーズしたExecutorを共有している。

関連論文リスト

• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery [67.47220507982522]
  大規模言語モデル(LLM)ベースの進化は、オープンな発見のための有望なアプローチである。 オープンエンド問題における自律的マルチエージェント進化のための最初のフレームワークであるCORALを紹介する。 コーラルは、厳格な制御を長期にわたるエージェントに置き換え、探索し、反射し、協力する。
  論文  参考訳（メタデータ） (2026-04-02T05:59:06Z)
• SelfAI: Building a Self-Training AI System with LLM Agents [79.10991818561907]
  SelfAIは、高レベルの研究目的を標準化された実験構成に変換するためのUser Agentを組み合わせた、一般的なマルチエージェントプラットフォームである。 実験マネージャは、連続的なフィードバックのための構造化知識ベースを維持しながら、異種ハードウェアをまたいだ並列かつフォールトトレラントなトレーニングを編成する。 回帰、コンピュータビジョン、科学計算、医用画像、薬物発見ベンチマークなどを通じて、SelfAIは一貫して高いパフォーマンスを達成し、冗長な試行を減らしている。
  論文  参考訳（メタデータ） (2025-11-29T09:18:39Z)
• Evolving and Executing Research Plans via Double-Loop Multi-Agent Collaboration [27.238993026036354]
  本稿では, 与えられた研究課題を自動的に解決する新しいDouble-Loop Multi-Agent (DLMA) フレームワークを提案する。 リーダーループは教授エージェントで構成され、研究計画の進化に責任がある。 博士課程の学生エージェントで構成される従者ループは、最も進化した計画を実行する責任がある。
  論文  参考訳（メタデータ） (2025-10-08T08:40:58Z)
• Emergent Coordination in Multi-Agent Language Models [2.504366738288215]
  マルチエージェントシステムが高次構造の兆候を示すかどうかをテストするための情報理論フレームワークを提案する。 この情報分解により、マルチエージェントLLMシステムに動的に出現するかどうかを測定することができる。 我々は,エージェントの直接通信を使わずに,単純な推測ゲームを用いた実験に本フレームワークを適用した。
  論文  参考訳（メタデータ） (2025-10-05T11:26:41Z)
• MultiAgentBench: Evaluating the Collaboration and Competition of LLM agents [59.825725526176655]
  大規模言語モデル(LLM)は、自律的なエージェントとして顕著な能力を示している。 既存のベンチマークでは、単一エージェントタスクにフォーカスするか、狭いドメインに限定されており、マルチエージェントのコーディネーションと競合のダイナミクスを捉えていない。 多様な対話シナリオにまたがってLLMベースのマルチエージェントシステムを評価するためのベンチマークであるMultiAgentBenchを紹介する。
  論文  参考訳（メタデータ） (2025-03-03T05:18:50Z)
• Reaching Consensus in Cooperative Multi-Agent Reinforcement Learning with Goal Imagination [16.74629849552254]
  本稿では,複数のエージェントを協調するモデルに基づくコンセンサス機構を提案する。 提案したMulti-Adnt Goal Imagination (MAGI) フレームワークは、エージェントがImagined Common goalとコンセンサスに達するためのガイドである。 このような効率的なコンセンサス機構は、すべてのエージェントを協調して有用な将来状態に導くことができることを示す。
  論文  参考訳（メタデータ） (2024-03-05T18:07:34Z)
• LLM-Coordination: Evaluating and Analyzing Multi-agent Coordination Abilities in Large Language Models [23.092480882456048]
  大きな言語モデル(LLM)は、創発的な常識推論と心の理論(ToM)能力を示している。 本研究では,Pure Coordination Sets の文脈で LLM を解析するための新しいベンチマークである LLM-Coordination Benchmark を紹介する。
  論文  参考訳（メタデータ） (2023-10-05T21:18:15Z)
• Structured Diversification Emergence via Reinforced Organization Control and Hierarchical Consensus Learning [48.525944995851965]
  組織制御の強化と階層的コンセンサス学習に基づく構造的多様化型MARLフレームワーク scRochico を提案する。 scRochicoは、探索効率と協力強度の観点から、現在のSOTAアルゴリズムよりもはるかに優れている。
  論文  参考訳（メタデータ） (2021-02-09T11:46:12Z)

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。