論文の概要: Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization

• arxiv url: http://arxiv.org/abs/2610.30074v1
• Date: Wed, 21 Oct 2026 17:27:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.458369
• Title: Parallel AI Agent Collaboration as Graph-Structured Distributed Block Optimization
• Title（参考訳）: グラフ構造化分散ブロック最適化のための並列AIエージェント協調
• Abstract要約: 並列AIエージェントは、有効なローカル編集を生成できるが、編集が組み合わされた場合、共有ソリューションを分解できることが示される。 独立集合は、同じ現在の解に対して測定された検証されたゲインが正確に加算された互換性のある編集を認証する。 最適な分数カラー化は、検証された局所改善の合計の1/f(G)=1/f(G)の分数を保持する合併をもたらすことを証明している。
• 参考スコア（独自算出の注目度）: 51.43213415859029
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Parallel AI agents can produce useful local edits yet degrade a shared solution when their edits are combined. We model this coordination problem as discrete block optimization with an exactly evaluable objective and a known dependency graph. Independent sets certify compatible edits whose verified gains, measured against the same current solution, add exactly. A coordinator constructs a safe compatible candidate and can also evaluate interacting edits to capture favorable interactions. We prove that an optimal fractional coloring yields a merger that preserves a $1/χ_f(G)$ fraction of the total verified local improvement, where $χ_f(G)$ is the graph's fractional chromatic number. This guarantee is tight among mergers that select a subset of the same proposals. Under conditional local-improvement guarantees and a block error-bound condition, repeated collaboration converges geometrically in the objective gap. The rate separates task structure, agent allocation, and computation cost, yielding a linear program for agent assignment and an explicit time-cost trade-off. Code-repair experiments show that verified merging resolves conflicts between individually useful edits that cause naive merging to fail. On larger conflict-free tasks, parallel agents reduce modeled completion time at higher input-token-equivalent cost. On three public road networks, fractional integration retains 922 units of verified graph-cut improvement across 90 paired runs. For route-search agents sharing exclusive access to vehicle routes, fractional scheduling reduces measured wall time by a median of 15% across twelve paired runs, with route-cost changes varying across runs.
• Abstract（参考訳）: 並列AIエージェントは、便利なローカル編集を生成することができるが、編集を組み合わせると共有ソリューションが分解される。 我々は、この調整問題を、正確に評価可能な目的と既知の依存性グラフを用いて離散ブロック最適化としてモデル化する。 独立集合は、同じ現在の解に対して測定された検証されたゲインが正確に加算された互換性のある編集を認証する。 コーディネータは、安全な互換性のある候補を構築し、対話的な編集を評価して、好ましいインタラクションをキャプチャする。 最適な分数カラー化は、グラフの分数クロマティック数であるような、証明された全局所改善の総分数(英語版)(英語版)の1/\_f(G)$の分数を保存するような合併をもたらすことを証明している。 この保証は、同じ提案のサブセットを選択する合併の中で厳格である。 条件付き局所改善保証とブロックエラーバウンド条件の下では、繰り返し協調は目的ギャップに幾何学的に収束する。 このレートはタスク構造、エージェント割り当て、計算コストを分離し、エージェント割り当てのための線形プログラムと明示的な時間コストトレードオフをもたらす。 コード修復実験により、検証されたマージは、個別に有用な編集の衝突を解決し、素早いマージが失敗することを示した。 より大きな競合のないタスクでは、並列エージェントはより高い入力-トークン等価コストでモデル化された完了時間を短縮する。 3つの公道ネットワーク上では、分数積分は90対のランで検証されたグラフカットの改善の922ユニットを維持している。 車両経路への排他的アクセスを共有する経路探索エージェントでは、分数的スケジューリングにより、12対の走行で中央値15%のウォール時間を減らし、走行毎にルートコストが変動する。

関連論文リスト

• Local Work, Global Progress: A Convergence Theory of AI Agent Collaboration [53.657104889705856]
  我々はブロック最適化として協調的な問題解決を定式化する。 コーディネータは、グローバルな目的に対して全ての提案をチェックし、干渉しない提案をマージする。 線形収束を誤差フロアまで証明し、補正が正確であれば消滅する。
  論文  参考訳（メタデータ） (2026-10-20T14:37:06Z)
• BRIDGE: Selective Boundary Repair with Dependency Graph Evidence in Multi-Agent Systems [59.26551527044981]
  methodは、ハンドオフ修復を明示的な依存性の摂動に対する選択的介入として扱うランタイム制御フレームワークである。 SILO-BENCHでは12.3パーセンテージ、TeamBenchでは11.1ポイントまでタスクの成功を加速させる。
  論文  参考訳（メタデータ） (2026-10-13T06:31:57Z)
• Coarse-Graining Recursive Expert Computation: Continuation-Relative Interfaces and Failure Modes [28.160822380428282]
  本稿では,それに続く計算によって代替品の評価を行う連続相対評価フレームワークを提案する。 このフレームワークは、スキップされた計算、実行された操作、下流の損失の要約を区別する。 実験により、表現の忠実さとタスクの喪失は、異なる適合する目的に好適であることが示されている。
  論文  参考訳（メタデータ） (2026-10-10T00:21:04Z)
• Akule: Fast and Scalable Multi-Robot Motion Planning via Sparse Interaction Diffusion [1.9247157750972363]
  Akuleは、フリーズされたシングルロボットを3つの学習モジュールで強化するスパースインタラクションフレームワークである。 Akunleは、競争的な計画の成功、最大25タイムの完全なプランナースピードアップ、ゼロショット人口移動、最大256ドルのロボットによる計画の成功を達成している。
  論文  参考訳（メタデータ） (2026-10-09T19:10:23Z)
• Verifying Coordination in Parallel Coding Agents: NP-Bench and a Scheduling Planner [0.0]
  コーディングエージェントのチームは、エージェントによって優れたエージェントに見えるが、チームとして失敗する。 各作業項目の宣言されたスコープを取得し、不整合スコープに分割し、プロデューサ>コンシューマグラフに沿ってマージを順序付けする。 我々は、このプランナーをNerveplaneに組み込み、環境条件下での3本腕ベンチマークであるNP-Benchで評価する。
  論文  参考訳（メタデータ） (2026-10-05T19:02:27Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Achieving Tighter Finite-Time Rates for Heterogeneous Federated Stochastic Approximation under Markovian Sampling [6.549288471493216]
  我々は,M$エージェントを含む汎用的な近似問題について検討した。 目標は、エージェントがサーバを介して断続的に通信し、エージェントのローカルオペレータの平均のルートを見つけることである。 我々はtexttFedHSA という名の新しいアルゴリズムを開発し、正しい点への収束を保証することを証明した。
  論文  参考訳（メタデータ） (2025-04-15T22:13:55Z)
• Near-Optimal Online Learning for Multi-Agent Submodular Coordination: Tight Approximation and Communication Efficiency [52.60557300927007]
  離散部分モジュラー問題を連続的に最適化するために,$textbfMA-OSMA$アルゴリズムを提案する。 また、一様分布を混合することによりKLの発散を効果的に活用する、プロジェクションフリーな$textbfMA-OSEA$アルゴリズムも導入する。 我々のアルゴリズムは最先端OSGアルゴリズムによって提供される$(frac11+c)$-approximationを大幅に改善する。
  論文  参考訳（メタデータ） (2025-02-07T15:57:56Z)

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。