論文の概要: MAS-Loop: Beyond One-Shot Orchestration towards Self-Evolving Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2610.38946v2
- Date: Tue, 03 Nov 2026 13:30:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-04 23:36:30.367493
- Title: MAS-Loop: Beyond One-Shot Orchestration towards Self-Evolving Multi-Agent Systems
- Title（参考訳）: MAS-Loop: 自己進化型マルチエージェントシステムに向けたワンショットオーケストレーションを超えて
- Abstract要約: 我々は,Orchestratorとトラジェクティブ条件のRefinerを結合することでフィードバックループを閉じる,実行ベースフレームワークMAS-Loopを紹介する。
実験により、MAS-Loopは評価されたベースラインの中で最も高い総合的なパフォーマンスを達成し、すべての評価されたベンチマークで改善から一貫した利益を得ることが示された。
MAS-JudgeCorpusは、オーケストレーションとトラジェクトリレベルの監視を備えた実行ベースソース更新ペアのデータセットである。
- 参考スコア（独自算出の注目度）: 16.25298848475875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Training-time multi-agent system (MAS) design seeks to learn reusable orchestration policies, yet prevailing approaches remain largely one-shot: an Orchestrator generates a system but only observes and learns from its terminal outcome. This paradigm discards execution trajectories that expose system-level failures and contain fine-grained information beyond the terminal outcome, leaving no direct basis for revising the source MAS, evaluating the updated MAS, or learning from the resulting contrast. To this end, we introduce MAS-Loop, an execution-grounded framework that closes this feedback loop by coupling an Orchestrator with a trajectory-conditioned Refiner. For each task, the Orchestrator constructs and executes a source MAS to obtain an outcome score and an intermediate trajectory. Conditioned on the trajectory, the Refiner localizes an actionable failure, formulates a trajectory-grounded diagnosis, and proposes a bounded patch to the agents, information flow, or execution configuration. The executable updated MAS is re-executed on the same task to measure its realized outcome under stochastic execution. This pair-MAS comparison provides complementary learning signals: the Orchestrator learns to generate strong systems with fewer recoverable failures, whereas the Refiner learns to expose and repair observed weaknesses, thereby driving policy-level co-evolution across training iterations. Experiments show that MAS-Loop achieves the strongest overall performance among the evaluated baselines, with consistent gains from refinement across all evaluated benchmarks. The co-evolution process also yields MAS-JudgeCorpus, a dataset of execution-grounded source-updated pairs with orchestration- and trajectory-level supervision, which can provide the community with support for MAS reward modeling and trajectory-aware investigation.
- Abstract（参考訳）: トレーニング時マルチエージェントシステム(MAS)設計は、再利用可能なオーケストレーションポリシーを学習しようとするが、一般的なアプローチは、主にワンショットのままである。
このパラダイムは、システムレベルの障害を露呈し、端末結果を超えたきめ細かい情報を含む実行軌跡を破棄し、ソースMASの修正、更新されたMASの評価、結果のコントラストからの学習の直接的な基盤を残さない。
この目的のために,Orchestratorとトラジェクティブ条件付きRefinerを結合することで,このフィードバックループを閉じる実行基盤フレームワークであるMAS-Loopを紹介した。
各タスクに対して、OrchestratorはソースMASを構築して実行し、結果スコアと中間軌道を得る。
軌道上で条件付きで、Refinerは動作可能な障害をローカライズし、軌道上の診断を定式化し、エージェント、情報フロー、実行設定に対する境界パッチを提案する。
実行可能更新MASは同じタスクで再実行し、確率的実行下でその実現結果を測定する。
オーケストレータは、回復可能な障害が少なくて強力なシステムを生成することを学習するのに対して、Refinerは、観測された弱点を公開して修復することを学び、結果として、トレーニングイテレーション間でポリシーレベルの共進化を駆動する。
実験により、MAS-Loopは評価されたベースラインの中で最も高い総合的なパフォーマンスを達成し、すべての評価されたベンチマークで改善から一貫した利益を得ることが示された。
共同進化プロセスはまた、MAS-JudgeCorpusという、オーケストレーションとトラジェクトリレベルの監視を備えた実行ベースソース更新ペアのデータセットも取得し、MAS報酬モデリングとトラジェクトリ対応の調査をサポートする。
関連論文リスト
- MAS-Gate: Unlocking Multi-Agent System Lifecycle via Node-Centric Quantification [44.92044673819755]
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 (MAS) は、単一のエージェントの到達範囲を超えた複雑な問題を解くことができる。
我々は,MAS開発と運用を,実行前の設計時オーケストレーション,実行時の実行介入,実行後のポストホック帰属という3段階のライフサイクルとして概念化する。
これらの相にわたって適用可能な統一ノード中心量子化であるMAS-Gateを導入する。
論文 参考訳（メタデータ） (2026-10-13T02:33:28Z) - Error-Propagation Modeling for Failure Attribution in LLM-Based Multi-Agent Systems [29.307319005914227]
この研究において、帰属ターゲットは決定的なエラーであり、エージェント-ステップペアとして定義され、修正が失敗した実行を回復する。
既存のアプローチは、インタラクション間でエラーがどのように伝播するかを明示的にモデル化したり、未解決のループで永続化したりすることなく、不審なステップをほとんど特定する。
textbfError- propagation textbfModeling for textbfFailure textbfAttribution (textbfEMFA)を提案する。
Who&Whenベンチマークでは、EMFAは最先端のステップレベルの属性の精度を達成し、残る。
論文 参考訳（メタデータ） (2026-10-08T09:44:59Z) - TIER: Trajectory-Invariant Execution Rewards for Multi-Step Tool Composition [62.56752617853322]
アウトカムベースの報酬はスパースフィードバックのみを提供するが、トラジェクトリによる報酬は注釈付き参照ソリューションに依存している。
本稿では,関数スキーマと実行時実行を直接管理する報奨フレームワークであるtrajectory-Invariant Execution Rewardsを提案する。
論文 参考訳（メタデータ） (2026-05-16T03:47:26Z) - Small Model as Master Orchestrator: Learning Unified Agent-Tool Orchestration with Parallel Subtask Decomposition [61.291733522717415]
Agent-as-Toolは並列オーケストレーションのパラダイムであり、エージェントとツールの両方を標準化された学習可能なアクション空間に緩和する。
ParaManagerは、サブタスク解決から計画決定を分離し、ステート対応の並列サブタスク分解、デリゲート、非同期実行を可能にする。
実験により、ParaManagerは複数のベンチマークで高い性能を示し、目に見えないモデルプールの下で堅牢な一般化を示す。
論文 参考訳（メタデータ） (2026-04-18T14:41:27Z) - Training LLMs for Multi-Step Tool Orchestration with Constrained Data Synthesis and Graduated Rewards [76.49428173793386]
LLMは、中間出力を伝搬しながら、正しい順序で複数の依存APIを呼び出す必要がある。
既存の環境は、シミュレーションデータを使った単純なターン毎の関数呼び出しとバイナリ報酬に重点を置いている。
まず、実APIレスポンスの大規模キャッシュを背景とした強化学習環境を構築し、有効なマルチステップオーケストレーショントレースをサンプリングするデータ合成パイプラインを実現する。
第二に、正当性を原子の妥当性とオーケストレーションに分解する、段階的な報酬設計を提案する。
論文 参考訳（メタデータ） (2026-03-25T18:31:39Z) - Guided Verifier: Collaborative Multimodal Reasoning via Dynamic Process Supervision [11.159231524113764]
マルチモーダル大規模言語モデル(MLLM)の複雑な推論能力を高めるための重要なメカニズムとして強化学習(RL)が登場した。
本稿では,これらの構造的制約に対処する textbfGuided Verifier フレームワークを提案する。
我々は,マルチモーダル幻覚をターゲットとした特殊なデータ合成パイプラインを開発し,プロセスレベルの負の textbfCoRe データセットとtextbfCorrect-guide textbfReasoning トラジェクトリを構築し,ガイド付き検証器を訓練する。
論文 参考訳（メタデータ） (2026-02-04T07:38:42Z) - MAS-Orchestra: Understanding and Improving Multi-Agent Reasoning Through Holistic Orchestration and Controlled Benchmarks [86.05918381895555]
関数呼び出し強化学習問題としてMASオーケストレーションを定式化する訓練時間フレームワークとしてMASOrchestraを提案する。
MAS-Orchestraでは、複雑なゴール指向のサブエージェントは呼び出し可能な関数として抽象化され、システム構造に対する大域的推論を可能にする。
分析の結果,MASはタスク構造や検証プロトコル,オーケストレータとサブエージェントの両方の機能に大きく依存していることが判明した。
論文 参考訳（メタデータ） (2026-01-21T04:57:02Z) - Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。
我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
論文 参考訳（メタデータ） (2025-10-16T05:35:37Z)
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。