階層と役割を捨てよう：自己組織化するLLMエージェントは設計された構造をどう凌駕するか
arXiv cs.AI / 2026/4/1
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、大規模な25,000タスク実験を報告しており、固定的な階層型役割構造から創発的な自己組織化までの、複数エージェントLLMの協調プロトコルを比較する。8つのモデルおよび4〜256エージェントを対象とする。
- その結果、最小限の足場（スキャフォールディング）しか与えない場合でも、エージェントは自然に専門化した役割を考案し、能力範囲を超えるタスクは実行を見合わせ、事前に割り当てられた役割や外部からの役割設計なしに浅い階層のみを形成することが分かった。
- ハイブリッドなSequentialプロトコルは、自律性を高め、中央集権的な協調を14%上回る。さらに、プロトコル間には品質の大きな差があり（44%のばらつき；Cohen’s d=1.86）、性能差が顕著である。
- 自律性の創発はモデルの能力に依存する。より強力なモデルはうまく自己組織化できる一方で、弱いモデルではより厳格な構造が必要である。これは、基盤モデルの改善が、自律的な協調が機能する領域を広げうることを示唆する。
- 著者らは、品質の劣化なしに最大256エージェントまでサブリニアにスケールできることを示し、さらに数千もの独自の役割を発見した。また、オープンソースのモデルは、クローズドソースの品質の95%を、必要コストは24倍低い水準で達成できることを明らかにした。
