ABSTRAL：反復的洗練とトポロジー最適化によるマルチエージェントシステムの自動設計
arXiv cs.AI / 2026/3/25
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- ABSTRALは、アーキテクチャを進化する自然言語ドキュメントとして扱い、コントラスティブなトレース分析を通じて反復的に洗練することで、マルチエージェントシステム（MAS）アーキテクチャを自動的に設計するための研究フレームワークである。
- 本研究は「マルチエージェント協調タックス（coordination tax）」を定量化しており、ターン予算を固定した場合、アンサンブルはターン効率がわずか26%で、タスクの66%がターン制限に到達することを報告している。ただしそれでも、単一エージェントのベースラインよりも優れており、より並列化可能な分解を見つけられる。
- ABSTRALは設計知識を検査可能なドキュメントとして符号化し、学習済みのトポロジー推論や役割テンプレートをあるドメインから別のドメインへ移すことで、コールドスタートの負担が軽減されることを示す（移送されたシードは、単一反復におけるコールドスタートの反復3の性能に一致する）。
- コントラスティブなトレース分析により、初期設計のいずれにも存在しなかった専門家ロール（specialist roles）を発見できることが示されており、著者らはこれが先行システムでは実証されていなかった能力だと主張している。
- SOPBench（134の銀行タスク）において、GPT-4oバックボーンを用いた場合、ABSTRALはバリデーション70%、テスト合格率65.96%を達成し、収束したドキュメントは設計上の根拠（design rationale）として検査可能な形で公開される。
