論文の概要: MA-Mesh: Resilient Multi-Agent Collaboration via Role-based Self-Healing

• arxiv url: http://arxiv.org/abs/2611.06389v1
• Date: Wed, 04 Nov 2026 11:54:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:58.099231
• Title: MA-Mesh: Resilient Multi-Agent Collaboration via Role-based Self-Healing
• Title（参考訳）: MA-Mesh: ロールベースのセルフヒーリングによるレジリエントなマルチエージェントコラボレーション
• Abstract要約: MA-Meshは、コラボレーションパターンの上にロールベースの自己修復層を構築するフレームワークである。 レジリエンスを意識したシステム仕様を生成し、実行可能なマルチエージェントポリシーコードに合成する。 タスク性能とシステムの不確実性の下での堅牢性の両方において、既存のマルチエージェントシステムよりも大幅に優れています。
• 参考スコア（独自算出の注目度）: 29.936885120999506
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Effective collaboration in multi-agent systems requires mechanisms for coordination and adaptability in dynamic and uncertain environments. However, existing multi-agent systems rarely model resilience explicitly, instead relying on ad-hoc output correction that limits systematic, runtime management of robustness. In this work, we propose Multi-Agent Mesh (MA-Mesh), a framework that constructs a role-based self-healing layer on top of a collaboration pattern. Specifically, MA-Mesh generates resilience-aware system specifications and synthesizes them into executable multi-agent policy code. To enhance resilience, we introduce two self-healing mechanisms: Cross-agent reflection, a mechanism that allows agents to evaluate not only their own outcomes but also the performance of their peers, enabling informed behavioral adjustments and collective policy refinement; Role-based failover, a strategy which dynamically reassigns roles and enables agents to substitute for one another when sub-tasks fail or agents underperform, ensuring continuity of task execution. Experimental results across diverse tasks (e.g., software development, tool use, scientific reasoning) demonstrate that MA-Mesh significantly outperforms existing multi-agent systems in both task performance and robustness under system uncertainty.
• Abstract（参考訳）: マルチエージェントシステムにおける効果的な協調には、動的で不確実な環境における協調性と適応性のためのメカニズムが必要である。 しかし、既存のマルチエージェントシステムはレジリエンスを明示的にモデル化することは滅多になく、代わりに、堅牢性のランタイム管理を体系的に制限するアドホックな出力補正に依存している。 本研究では、協調パターンの上にロールベースの自己修復層を構築するフレームワークであるMulti-Agent Mesh(MA-Mesh)を提案する。 具体的には、MA-Meshはレジリエンスを意識したシステム仕様を生成し、実行可能なマルチエージェントポリシーコードに合成する。 自己修復機構としてクロスエージェントリフレクション(Cross-agent Reflect),エージェントが自身の成果だけでなく,仲間のパフォーマンスも評価し,情報的行動調整や集団政策改善を可能にする機構,ロールベースのフェールオーバ(Role-based failover),ロールを動的に再割り当てし,サブタスクのフェールやエージェントのアンダーパフォーム時に,エージェント同士の代用を可能にする戦略,タスク実行の継続性を保証するメカニズム,の2つを導入する。 様々なタスク(例えば、ソフトウェア開発、ツールの使用、科学的推論)にわたる実験結果から、MA-Meshはタスク性能とシステムの不確実性の下での堅牢性の両方において、既存のマルチエージェントシステムよりも著しく優れています。

関連論文リスト

• Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
  マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。 既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。 この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
  論文  参考訳（メタデータ） (2026-05-14T14:36:13Z)
• Multi-Agent Tool-Integrated Policy Optimization [67.12841355267678]
  大規模言語モデル(LLM)は、知識集約的かつ複雑な推論タスクに対して、多ターンツール統合計画にますます依存している。 既存の実装は通常、単一のエージェントに依存するが、コンテキスト長とノイズの多いツールレスポンスに悩まされる。 ツール統合マルチエージェントフレームワークの効果的な強化学習をサポートする方法はない。
  論文  参考訳（メタデータ） (2025-10-06T10:44:04Z)
• InfiAgent: Self-Evolving Pyramid Agent Framework for Infinite Scenarios [28.65914611521654]
  InfiAgentはピラミッドのようなDAGベースのMulti-Agent Frameworkで、textbfinfiniteのシナリオに適用できる。 InfiAgentはADAS(類似の自動生成エージェントフレームワーク)と比較して9.9%高いパフォーマンスを実現している
  論文  参考訳（メタデータ） (2025-09-26T15:44:09Z)
• DRF: LLM-AGENT Dynamic Reputation Filtering Framework [12.82278004124361]
  DRFは動的評価フィルタリングフレームワークである。 DRFは対話型レーティングネットワークを構築し、エージェントのパフォーマンスを定量化する。 また、エージェントの誠実さと能力を測定するための評価スコアリング機構も設計している。
  論文  参考訳（メタデータ） (2025-09-06T16:29:42Z)
• Parallelism Meets Adaptiveness: Scalable Documents Understanding in Multi-Agent LLM Systems [0.8437187555622164]
  大規模言語モデル(LLM)エージェントは、協調的なタスク補完の約束が増していることを示している。 既存のマルチエージェントフレームワークは、静的で固定されたロールと限定的なエージェント間通信に依存していることが多い。 本稿では,3つのコア機構による適応性を実現するための協調フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-22T22:42:51Z)
• MorphAgent: Empowering Agents through Self-Evolving Profiles and Decentralized Collaboration [11.01813164951313]
  本稿では,新しい自律型・自己組織化型・適応型多エージェントシステムであるMorphAgentを紹介する。 このアプローチでは,3つの主要な指標を通じて最適化された自己進化エージェントプロファイルを採用し,エージェントが個々の専門知識を磨き直す。 実験の結果,MorphAgentはタスク性能や要求の変化に対する適応性という点で,既存のフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2024-10-19T09:10:49Z)
• 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)
• Policy Diagnosis via Measuring Role Diversity in Cooperative Multi-agent RL [107.58821842920393]
  我々はエージェントの行動差を定量化し、bfロールの多様性を通して政策パフォーマンスとの関係を構築する MARLの誤差は, 役割多様性と強い関係を持つ3つの部分に分けられる。 分解された要因は3つの一般的な方向における政策最適化に大きな影響を及ぼす可能性がある。
  論文  参考訳（メタデータ） (2022-06-01T04:58:52Z)

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。