論文の概要: Drift No More: Spectral Locking for Long-Horizon Open-Weight Multi-Agent AI
- arxiv url: http://arxiv.org/abs/2611.04315v1
- Date: Tue, 03 Nov 2026 04:46:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-10 04:13:01.964945
- Title: Drift No More: Spectral Locking for Long-Horizon Open-Weight Multi-Agent AI
- Title（参考訳）: Drift No More: 長距離オープンウェイトマルチエージェントAIのためのスペクトルロック
- Abstract要約: ATLAS(Algebraic Task-Role Locking with Adaptive Spectral Memory)は、トークンが生成される前に隠れた状態に作用するトレーニングなしの介入である。
メモリマクロ平均精度を最大5.7ポイント改善し、書き込み/読み取り障害を最大3/24.8%削減する。
摂動下で10.7-12.1ポイントを獲得し、93.5%のロール一貫性を獲得し、72Bバックボーンに転送される。
- 参考スコア（独自算出の注目度）: 12.201783188544093
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Long-horizon multi-agent systems suffer from three tightly coupled failures: task drift, role drift, and state staleness. We test the hypothesis that these share a common representational cause: agent hidden states move away from the directions encoding the active task, assigned role, and current shared state. A pilot study over 14,832 annotated turns supports this: drifted turns collapse near-uniformly across all three anchor subspaces (pairwise r = 0.72-0.78). Existing methods address these failures separately, operating at the surface-text level or treating control directions independently. We introduce ATLAS (Algebraic Task-role Locking with Adaptive Spectral Memory), a training-free intervention acting on hidden states before a token is generated. ATLAS builds a positive-semidefinite anchor kernel over task, role, and state subspaces and steers hidden states toward their shared high-coherence eigendirections; a low-rank Gram decomposition keeps this tractable. Across long-horizon memory, state maintenance, tool use, least-privilege coordination, and embodied stress tests, ATLAS outperforms prompting, retrieval, memory, and activation-steering baselines. Against A-MEM it improves memory macro-average accuracy by up to 5.7 points and reduces write/read failures by up to 31.7%/24.8%; against MemoryArena-Agent it gains up to 4.8 points. It gains 10.7-12.1 points under perturbation, reaches 93.5% role consistency, and transfers to a 72B backbone (macro-average 61.0 vs. 56.2). Ablating the joint task-role-state span costs 7.2 points against 0.8 for a matched-rank random span, indicating these directions are functionally implicated, not incidental; supplying them by prompt or retrieval recovers 4.3 points less. ATLAS is therefore a representation-level controller for open-weight multi-agent systems, complementary to output-level protocols for black-box agents.
- Abstract（参考訳）: 長距離マルチエージェントシステムは、タスクドリフト、ロールドリフト、状態安定化という3つの密結合した障害に悩まされる。
エージェント隠蔽状態は、アクティブタスクをコードする方向、割り当てられた役割、そして現在の共有状態から離れる。
14,832回以上の注釈付き回転が支持されており、ドリフトされた旋回は3つのアンカー部分空間のほぼ一様に崩壊する(r = 0.72-0.78)。
既存の方法はこれらの障害を別々に処理し、表面テキストレベルで操作したり、制御方向を個別に処理する。
トークンが生成される前に隠れ状態に作用するトレーニング不要の介入であるATLAS(Algebraic Task-Role Locking with Adaptive Spectral Memory)を導入する。
ATLASはタスク、ロール、ステートサブスペースの上に正の半無限アンカーカーネルを構築し、共有された高コヒーレンスな固有方向に向けて隠れた状態をステアリングする。
長期記憶、状態維持、ツールの使用、最小限の調整、具体的ストレステスト、ATLASはプロンプト、検索、メモリ、アクティベーション・ステアリングのベースラインよりも優れている。
A-MEMに対して、メモリマクロ平均精度を最大5.7ポイント改善し、書き込み/読み取り障害を最大31.7%/24.8%削減し、MemoryArena-Agentに対して最大4.8ポイント向上した。
摂動下で10.7-12.1ポイントを獲得し、93.5%のロール一貫性を獲得し、72Bバックボーン(マクロ平均61.0 vs. 56.2)に転送する。
一致したランクのランダムスパンに対して、共同タスク・ロール状態スパンのコストは0.8に対して7.2ポイントであり、これらの方向が機能的に重要であり、偶発的ではなく、プロンプトまたはリカバリによる供給が4.3ポイント少ないことを示す。
ATLASはオープンウェイトなマルチエージェントシステムのための表現レベルコントローラであり、ブラックボックスエージェントの出力レベルプロトコルを補完する。
関連論文リスト
- DeBERTa-ConPara: Attack-Aware and Deployment-Realistic Detection of AI-Generated Text [42.255101883505056]
DeBERTa-ConParaは,HC3 Plus,M4,MAGE,RAIDで学習した文脈変換器エンコーダと,攻撃対応Unicode前処理を組み合わせたデプロイメント指向検出器である。
我々の中心的な発見は、前処理が適用された場所によって反対方向に作用することである。
2つの配置の因子的変化は、正規化推論による生のトレーニングを最高の設定として独立に識別する。
12種類の攻撃クラスのうち、ホモグリーフとゼロ幅空間の挿入は11.05%から1.12%から96.98%に増加した。
論文 参考訳（メタデータ） (2026-10-01T00:57:33Z) - The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
コード修復における制御ケーススタディを報告し,新しい現象ではない。
私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。
BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。
厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
論文 参考訳（メタデータ） (2026-08-14T19:22:50Z) - Trajectory-Relative Hindsight Distillation for Agentic Reinforcement Learning [22.776663901175663]
本稿では,一貫したターンアライメントプロトコルを備えたトラジェクトリ相対的ヒンドサイト蒸留フレームワークであるTRIALを紹介する。
各決定ターンに対して、TRIALは、その決定が実現した結果の結果を抽出し、通常および後向きの文脈下で同じ反応を評価する。
WebShopとALFWorldの異なるバックボーンによる実験では、TRIALは、バックボーン、環境、評価指標の8つの組み合わせでGRPOを上回っている。
論文 参考訳（メタデータ） (2026-08-07T16:12:58Z) - Delay-Aware Active Triangulation with Uncertainty-Driven Multi-Agent Reinforcement Learning for Counter-UAS [5.4271995156436965]
マルチエージェントアクティブな視覚三角測量により、移動オブザーバを制御可能なカメラで調整することにより、航空目標の正確な3次元位置決めが可能になる。
我々は,Counter-UASアプリケーションにおけるターゲットローカライゼーションのための遅延認識,不確実性駆動型マルチエージェント強化学習フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-07T07:58:13Z) - CRMA: A Spectrally-Bounded Backbone for Modular Continual Fine-Tuning of LLMs [0.0]
我々は、内部混合行列 M がシンクホーン正規化による全ての前方通過において二重確率である残留アダプタ CRMA を紹介する。
5つのドメインにまたがるMistral-7Bでは、モジュラー・パー・タスクのLoRAは、+42.96%+/-5.5(ナイーブ微調整)から-0.17%+/-0.17までのバックボーンの損失相対的ドリフトを仲介する。
論文 参考訳（メタデータ） (2026-05-29T21:50:23Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。
AHEは3つの一致した可観測性柱を通じて課題に対処する。
10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。
SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
論文 参考訳（メタデータ） (2026-04-28T16:55:02Z) - Beyond the Attention Stability Boundary: Agentic Self-Synthesizing Reasoning Protocols [6.357772907811544]
SSRP(Self- Synthesizing Reasoning Protocols)は、アーキテクチャ計画と手続き実行の分離を実装するメタ認知フレームワークである。
提案する実験層は,浅電流に基づく検索パイロット,高エントロピーSOP,セマンティックハイジャック3ホップ多要素合成タスクの3種類である。
以上の結果から,GPT 5.4の非定常バニラ基準線が0.1%に崩壊し,SSRPは715X耐力限界を達成した。
論文 参考訳（メタデータ） (2026-04-27T14:13:30Z) - Belief Dynamics for Detecting Behavioral Shifts in Safe Collaborative Manipulation [3.198214897627444]
ManiSkill共有ワークスペース操作タスクにおいて、制御された非定常性の下でのシステマティックスウィッチ検出について検討する。
10つの検出方法と5つのランダムなシードによって、検出が可能になったことにより、スウィッチ後の衝突が52%減少する。
UA-TOMは、凍結した視覚-言語-行動制御バックボーンを増強する軽量な信念追跡モジュールである。
論文 参考訳（メタデータ） (2026-04-04T02:41:09Z) - Scalable Multi-Task Low-Rank Model Adaptation [43.22544779625565]
マルチタスク低ランク適応(LoRA)を多数のタスクに拡張すると、破滅的なパフォーマンス劣化を引き起こす。
規則化や動的ルーティングのような既存のソリューションは、基本的なトレードオフによって制約されるため、スケールで失敗するのです。
3つの新しい設計を持つスケーラブルなソリューションであるmtLoRAを提案する。
論文 参考訳（メタデータ） (2026-03-02T06:57:11Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z)
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。