DOVA: 自律研究自動化のための熟慮優先型マルチエージェントオーケストレーション

要約：大規模言語モデル（LLM）エージェントは、ツールの使用、推論、コード生成において顕著な能力を示してきましたが、単一エージェント・システムは、多源の統合、対立的検証、個別化された提供を要求する複雑な研究タスクに直面した際に根本的な制約を示します。私たちは DOVA（Deep Orchestrated Versatile Agent：深層的オーケストレーションを備えた多用途エージェント）、三つの重要な革新を導入するマルチエージェント・プラットフォームを提案します： (1) 熟考を先行させるオーケストレーション、ここでは明示的なメタ推論がツール呼び出しに先行し、継続的なユーザーモデルとエンティティ認識を有する会話コンテキストに基づく情報で導かれます； (2) ハイブリッド協働推論、アンサンブルの多様性、ブラックボードの透明性、反復的な洗練を統合する組み合わせ可能な三段階パイプライン； (3) 適応的な多層思考、六段階のトークン予算割り当てスキームで、単純なタスクにおける推論コストを40〜60％削減しつつ深い推論能力を保持します。私たちはコアアルゴリズムを形式化し、七つのシステム構成にわたるアーキテクチャ的アブレーション研究を提示し、各コンポーネントが回答の信頼度、出典網羅性、トークン効率に寄与する度合いを分析します。