論文の概要: CEPO: A General Framework for Improving Prompt Optimization in Multi-Agent Systems

• arxiv url: http://arxiv.org/abs/2610.34722v1
• Date: Mon, 26 Oct 2026 02:19:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.682882
• Title: CEPO: A General Framework for Improving Prompt Optimization in Multi-Agent Systems
• Title（参考訳）: CEPO:マルチエージェントシステムにおけるプロンプト最適化のための汎用フレームワーク
• Abstract要約: 本稿では,マルチエージェントシステムにおける高速化のためのフレームワークであるコーディネータ・エクゼクタ・プロンプト最適化(CEPO)を紹介する。 CEPOは、共有コーディネータプロンプトとエージェント固有のプロンプトを通じて、エージェントレベルの実行からシステムレベルの調整を分離し、それぞれの役割に応じて更新をガイドする。
• 参考スコア（独自算出の注目度）: 38.41385176368729
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-agent systems (MAS) require both effective coordination and specialized task execution. Existing prompt optimization approaches typically couple these functions within agent-specific prompts. We introduce Coordinator-Executor Prompt Optimization (CEPO), a general framework for improving prompt optimization in MAS. CEPO separates system-level coordination from agent-level execution through a shared coordinator prompt and agent-specific executor prompts, and guides their updates according to their respective roles. This structure allows shared coordination rules to be refined consistently across agents while keeping execution instructions separately adjustable. CEPO provides the prompt structure and optimization guidance, while existing prompt optimizers perform the underlying search. Extensive experiments spanning 11 benchmarks across four domains demonstrate that applying CEPO to four existing prompt optimizers consistently improves their performance. Ablations and qualitative analyses support the proposed design, while controlled studies on a document-understanding MAS further demonstrate improved optimization budget efficiency and performance scaling with the number of agents.
• Abstract（参考訳）: マルチエージェントシステム(MAS)は、効果的な調整と特別なタスク実行の両方を必要とする。 既存のプロンプト最適化アプローチは通常、エージェント固有のプロンプト内でこれらの関数を結合する。 我々は,MASの高速化のための一般的なフレームワークであるコーディネータ・エクゼクタ・プロンプト最適化(CEPO)を紹介する。 CEPOは、エージェントレベルの調整を、共有コーディネータプロンプトとエージェント固有のエグゼクタプロンプトを通じてエージェントレベルの実行から切り離し、それぞれの役割に応じて更新をガイドする。 この構造により、共有調整ルールはエージェント間で一貫して洗練され、実行命令は個別に調整可能である。 CEPOはプロンプト構造と最適化ガイダンスを提供し、既存のプロンプトオプティマイザは基盤となるサーチを実行する。 4つのドメインにわたる11のベンチマークにまたがる大規模な実験では、CEPOを既存の4つのプロンプトオプティマイザに適用することで、パフォーマンスが一貫して改善されている。 文書に基づくMASに関する制御研究は, エージェント数による最適化予算の効率化と性能スケーリングを更に実証する一方で, アブレーションと定性的分析が提案した設計を支持している。

関連論文リスト

• MAS-PromptBench: When Does Prompt Optimization Improve Multi-Agent LLM Systems? [12.31270556465256]
  マルチエージェントシステム(MAS)はエージェントAIのためのスケーラブルなパスを提供する。 システムプロンプトはエージェントの役割と振る舞いを指定し、モデル微調整なしでシステムレベルの改善を可能にする。 どの程度の迅速な最適化がMAS性能を改善するか、いつ、いつ、どのようにして、まだ不明である。
  論文  参考訳（メタデータ） (2026-06-22T17:48:40Z)
• Agent-GWO: Collaborative Agents for Dynamic Prompt Optimization in Large Language Models [69.55139736609367]
  Agent-GWOは複雑な推論のための動的プロンプト最適化フレームワークである。 本稿では,Agent-GWOが既存のプロンプト最適化手法よりも精度と安定性を一貫して向上することを示す。
  論文  参考訳（メタデータ） (2026-04-14T07:35:37Z)
• EPOCH: An Agentic Protocol for Multi-Round System Optimization [0.4269415289712572]
  異種環境におけるマルチラウンドシステム最適化のためのエンジニアリングプロトコルであるEPOCHを紹介する。 EPOCHは最適化をベースライン構築と反復的な自己改善の2つのフェーズにまとめる。 さらに、計画、実装、評価を分離するロール制約されたステージを通じて、各ラウンドを構成します。
  論文  参考訳（メタデータ） (2026-03-10T00:41:03Z)
• P3: Prompts Promote Prompting [26.16464064171255]
  大規模言語モデル(LLM)アプリケーションはシステムとユーザの両方のプロンプトを含む複数のコンポーネントのプロンプトを使用することが多い。 本稿では,システムとユーザの両方のプロンプトを同時に最適化する,新しい自己改善フレームワークであるP3を紹介する。 一般タスクに関する大規模な実験は、P3が自動的なプロンプト最適化の領域で優れた性能を発揮することを示した。
  論文  参考訳（メタデータ） (2025-07-21T14:37:46Z)
• System Prompt Optimization with Meta-Learning [64.74765550805024]
  本稿では,多様なユーザプロンプトに対して堅牢なシステムプロンプトを設計することを目的とした,バイレベルシステムプロンプト最適化の新たな課題を紹介する。 本稿では,複数のデータセットにまたがるさまざまなユーザプロンプトに対して最適化することで,システムプロンプトをメタラーニングするメタラーニングフレームワークを提案する。 5つの異なるドメインにまたがる14の未知のデータセットに対して実験を行い、このアプローチが多様なユーザプロンプトに効果的に一般化するシステムプロンプトを生成することを示す。
  論文  参考訳（メタデータ） (2025-05-14T16:46:15Z)
• SPRIG: Improving Large Language Model Performance by System Prompt Optimization [45.96513122345295]
  大きな言語モデル(LLM)は多くのシナリオで印象的な機能を示しているが、そのパフォーマンスはプロンプトの選択に依存している。 本研究では,モデルの性能を最大化するために,既定成分からのプロンプトを反復的に構築する編集に基づく遺伝的アルゴリズムであるSPRIGを提案する。 47種類のタスクの集合に対して,システムプロンプトの性能を評価し,一般化性を確保する。
  論文  参考訳（メタデータ） (2024-10-18T18:51:44Z)

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。