論文の概要: Decentralized Multi-Agent Coordination and Communication in Shared Codebases

• arxiv url: http://arxiv.org/abs/2611.00314v1
• Date: Fri, 30 Oct 2026 19:36:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.392623
• Title: Decentralized Multi-Agent Coordination and Communication in Shared Codebases
• Title（参考訳）: 共有コードベースにおける分散マルチエージェントコーディネートと通信
• Abstract要約: ParallACTはオーケストレータフリーのマルチエージェントコーディングタスクのベンチマークである。 補完的なタスクでは、各エージェントのタスクは別々に有用である。 矛盾するペアでは、両方のエージェントのタスクは互換性のない方法で同じコードを編集する必要がある。
• 参考スコア（独自算出の注目度）: 40.74964087313284
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Coding agents working in shared repositories may receive separate, independently-motivated requests from human developers, creating a setting that is multi-agent by necessity. When this scenario happens, their individual implementations may work separately but conflict when combined. To study this setting, we introduce ParallACT, a benchmark of orchestrator-free multi-agent coding tasks. ParallACT contains both complementary and contradictory tasks. In complementary tasks, each agent's task is separately useful and implementations must share an interface to be productively combined. In contradictory pairs, both agents' tasks require editing the same code in incompatible ways, and naively combining independent solutions fails to produce a useful implementation. We compare a single-agent oracle given the combined set of tasks against multi-agent settings that vary execution order, visibility, awareness of other agents, and access to a communication channel. We find that the oracle solves most tasks while parallel agents perform substantially worse. Their performance drop is notable for complementary tasks, and particularly sharp for contradictory tasks (e.g., from 62% to 16% for Claude Code with Claude Opus 4.8) where merged code typically satisfies only one specification, and the same gap appears in all six further configurations pairing two agent harnesses with three open-weight models. Simply telling an agent that a peer exists does not help significantly, and giving agents access to a communication channel recovers only a small part of the performance, at an additional token cost. ParallACT thus identifies and isolates a core challenge that will become more common as multi-agent coding by independent principals becomes standard, and provides a controlled test of which coordination strategies help, and at what cost.
• Abstract（参考訳）: 共有リポジトリで働くコーディングエージェントは、人間開発者から独立して動機づけられたリクエストを受け取り、必要に応じてマルチエージェントの設定を作成する。 このシナリオが発生した場合、個々の実装は別々に動作しますが、組み合わせると矛盾します。 この設定を研究するために、オーケストレータフリーマルチエージェントコーディングタスクのベンチマークであるParallACTを紹介する。 ParallACTには相補的タスクと相補的タスクの両方が含まれている。 補完的なタスクでは、各エージェントのタスクは別々に有用であり、実装は生産的に組み合わせられるインターフェースを共有しなければならない。 矛盾するペアでは、両方のエージェントのタスクは互換性のない方法で同じコードを編集する必要がある。 タスクセットの組み合わせを、実行順序、可視性、他のエージェントの認識、通信チャネルへのアクセスの異なるマルチエージェント設定と比較する。 オラクルがほとんどのタスクを解決しているのに対して、並列エージェントははるかにパフォーマンスが悪くなっています。 それらのパフォーマンス低下は、補完的なタスク、特に矛盾するタスク(例えば、Claude Code with Claude Opus 4.8の62%から16%)で顕著である。 エージェントにピアの存在を伝えるだけでは役に立たず、エージェントに通信チャネルへのアクセスを与えると、追加のトークンコストでパフォーマンスのごく一部を回復する。 そこでParallACTは、独立したプリンシパルによるマルチエージェントコーディングが標準になるにつれてより一般的になるコアチャレンジを特定し、分離し、調整戦略が役に立つか、どのコストで制御されたテストを提供する。

関連論文リスト

• Worse Together: How Performance Breaks Down in Multi-User Multi-Agent Teams [0.06761464730921084]
  人々はますますAIエージェントにタスクを委譲している。 各エージェントが異なる目標を持った異なるユーザのために行動する場合、コーディネーションは失敗することが多い。 5つのフロンティアモデルと77のシナリオにまたがるマルチユーザ・マルチエージェント設定を4つの環境で検討した。
  論文  参考訳（メタデータ） (2026-09-30T18:49:25Z)
• Improving the Efficiency of Language Agent Teams with Adaptive Task Graphs [52.26652574704317]
  大規模言語モデル(LLM)はますますチームにデプロイされているが、既存のコーディネーションアプローチは2つの極端な部分を占めることが多い。 本稿では,Language Agent Teams for Task Evolution (LATTE)を紹介した。
  論文  参考訳（メタデータ） (2026-05-07T14:19:17Z)
• Effective Strategies for Asynchronous Software Engineering Agents [52.76455094324273]
  本稿では,集中型タスクデリゲート,非同期実行,独立したワークスペースという,3つのSWEプリミティブに根ざした構造化マルチエージェント協調パラダイムを導入する。 CAIDは,紙再生タスク(PaperBench)では26.7%,Pythonライブラリ開発タスクでは14.3%,単一エージェントベースラインでは26.7%の精度向上を実現している。
  論文  参考訳（メタデータ） (2026-03-23T02:26:35Z)
• AutoAgents: A Framework for Automatic Agent Generation [27.74332323317923]
  AutoAgentsは、さまざまなタスクに応じてAIチームを構築するために、複数の専門エージェントを適応的に生成し、コーディネートする革新的なフレームワークである。 各種ベンチマーク実験により,AutoAgentsは既存のマルチエージェント手法よりも一貫性と正確な解を生成することが示された。
  論文  参考訳（メタデータ） (2023-09-29T14:46:30Z)
• AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors [93.38830440346783]
  本稿では,その構成をより高機能なシステムとして協調的に調整できるマルチエージェントフレームワークを提案する。 実験により,フレームワークが単一エージェントより優れたマルチエージェントグループを効果的に展開できることが実証された。 これらの振舞いの観点から、我々は、ポジティブなものを活用し、ネガティブなものを緩和し、マルチエージェントグループの協調可能性を改善するためのいくつかの戦略について議論する。
  論文  参考訳（メタデータ） (2023-08-21T16:47:11Z)
• Multi-agent Deep Covering Skill Discovery [50.812414209206054]
  本稿では,複数エージェントの結合状態空間の予測被覆時間を最小化し,マルチエージェントオプションを構築するマルチエージェントDeep Covering Option Discoveryを提案する。 また、MARLプロセスにマルチエージェントオプションを採用するための新しいフレームワークを提案する。 提案アルゴリズムは,アテンション機構とエージェントの相互作用を効果的に把握し,マルチエージェントオプションの同定に成功した。
  論文  参考訳（メタデータ） (2022-10-07T00:40:59Z)
• LDSA: Learning Dynamic Subtask Assignment in Cooperative Multi-Agent Reinforcement Learning [122.47938710284784]
  協調型MARLにおける動的サブタスク代入(LDSA)を学習するための新しいフレームワークを提案する。 エージェントを異なるサブタスクに合理的に割り当てるために,能力に基づくサブタスク選択戦略を提案する。 LDSAは、より優れたコラボレーションのために、合理的で効果的なサブタスクの割り当てを学習していることを示す。
  論文  参考訳（メタデータ） (2022-05-05T10:46:16Z)

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。