論文の概要: Mining the Design Space of Multi-Agent Workflows

• arxiv url: http://arxiv.org/abs/2610.31709v1
• Date: Thu, 22 Oct 2026 00:31:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.248064
• Title: Mining the Design Space of Multi-Agent Workflows
• Title（参考訳）: マルチエージェントワークフローの設計空間のマイニング
• Abstract要約: ルーティングと実行トレースから再現可能な設計原則をマイニングするための2フェーズパイプラインを提案する。 ワークフロー設計の3段階にわたるホールドアウト検索に持続する効果を同定する。 より広範に、我々のパイプラインと結果は、捨てられた探索軌道を統計的テストベッドに変える可能性を示している。
• 参考スコア（独自算出の注目度）: 13.290384767749751
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Designing large language model (LLM) multi-agent systems (MAS) still relies on trial and error and informal "folk wisdom." Manual studies test only a few communication structures or topologies (e.g., sequential, parallel, shared-memory, or debate), while automated optimizers discard search trajectories after selecting a task-specific workflow. We present a two-phase pipeline for mining reproducible design principles from workflow code and execution traces. We repurpose AFlow's MCTS optimizer across six composable operators and 26 deterministically verified Enigmata tasks, retaining all intermediate rounds to build a corpus of 28,568 executable workflows. A sandboxed AutoResearch loop then mines orchestration code and prompt templates under an $L_0$-penalized validation objective and tests candidate principles on held-out searches. Across 300 feature-mining trials, we identify effects that persist on held-out searches across three levels of workflow design: workflows beginning with independent solvers and one-shot aggregation (Star-first) perform worse ($Δ= -0.045$); persistent shared documents (SharedMemory) outperform debate ($Δ= +0.135$); and prompt specificity and placeholder-based context routing yield gains comparable to communication-structure selection ($Δ= +0.118$). More broadly, our pipeline and results show the feasibility of turning discarded search trajectories into a statistical testbed for discovering and validating multi-agent workflow design principles.
• Abstract（参考訳）: 大規模言語モデル (LLM) のマルチエージェントシステム (MAS) の設計は、依然として試行錯誤と非公式な「民族知恵」に依存している。 手動研究は、いくつかの通信構造やトポロジ(シーケンシャル、並列、共有メモリ、議論など)のみをテストする一方、自動オプティマイザはタスク固有のワークフローを選択した後、検索トラジェクトリを破棄する。 ワークフローコードと実行トレースから再現可能な設計原則をマイニングするための2フェーズパイプラインを提案する。 AFlowのMCTSオプティマイザを6つのコンポーザブル演算子と26の決定論的検証エニグマタタスクで再利用し、すべての中間ラウンドを保持して28,568の実行可能なワークフローを構築する。 サンドボックス化されたAutoResearchループは、オーケストレーションコードをマイニングし、$L_0$-penalized Validationの目標の下でテンプレートをプロンプトし、ホールドアウト検索の候補原則をテストする。 独立したソルバとワンショットアグリゲーション(スターファースト)から始まるワークフローは、より悪く(Δ=-0.045$)、永続的な共有ドキュメント(SharedMemory)は、議論(Δ=+0.135$)より優れている(Δ=+0.135$)。 より広範に、我々のパイプラインと結果は、捨てられた検索トラジェクトリを統計的テストベッドに変換し、マルチエージェントワークフロー設計の原則を発見し、検証する可能性を示している。

関連論文リスト

• RA-MoWE: Workflow-Affinity Embeddings for Query Clustering and Agentic Workflow Generation [55.27793983826256]
  RA-MoWEは、クラスタクエリにワークフロー親和性埋め込みを使用して、再利用可能なエキスパートの生成をガイドするフレームワークである。 埋め込みエンコーダは、クエリテキストからこれらの埋め込みを予測し、新しいクエリは、最初に参照を選択することなく、生成されたエキスパートを選択することができる。 RA-MoWEは参照の選択よりも平均タスクスコアを4.04ポイント改善し、推論時の言語モデル呼び出しを27.7%削減した。
  論文  参考訳（メタデータ） (2026-10-06T06:58:16Z)
• Designing Agentic AI Workflow Portfolios under Imperfect Selection and Compute Cost [6.605722864302966]
  本稿では,企業が複数のワークフローを実行するポートフォリオ・アンド・セレクタパラダイムについて検討し,最終回答を選択する。 我々は、正確な定式化、線形プログラミング緩和、ランダム化されたラウンドリング手順、計算可能な性能証明を開発する。 最高のスタンドアロンワークフローとは対照的に、ポートフォリオ最適化では、それぞれ3.1、7.5、0.9ポイントのホールドアウトセレクタ精度が向上している。
  論文  参考訳（メタデータ） (2026-09-16T05:02:11Z)
• FlowBank: Query-Adaptive Agentic Workflows Optimization through Precompute-and-Reuse [58.80348559239392]
  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はますます強力になっている。 タスクレベルのメソッドはかなりのオフライン計算に費やしますが、単一のワークフローのみをデプロイします。 クエリレベルのメソッドは、クエリ毎の新しいワークフローを相当なコストで合成する。 本稿では,ポートフォリオベースのエージェントワークフロー最適化フレームワークであるFlowBankを紹介する。
  論文  参考訳（メタデータ） (2026-06-09T17:58:21Z)
• Why Search When You Can Transfer? Amortized Agentic Workflow Design from Structural Priors [51.95306551061392]
  エージェントワークフローの自動設計は、現在、タスクごとの反復検索に依存している。 本稿では,ワークフロー設計を再利用可能な構造的先入観に補正するフレームワークであるSWIFTを提案する。 SWIFTは5つのベンチマークで最先端の検索手法より優れている。
  論文  参考訳（メタデータ） (2026-04-27T21:25:00Z)
• Rethinking the Value of Multi-Agent Workflow: A Strong Single Agent Baseline [38.16649115214312]
  一つのエージェントがKVキャッシュの再利用による効率上の利点を生かして均一性を実現できることを示す。 本稿では,単一エージェントの実行を自動的に調整し,推論コストを削減するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2026-01-18T08:16:09Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)

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。