124 件の論文
本論文は、拡張現実（XR）とデジタルツインを統合した XR-DT 枠組みと、XR ヘッドセットによる人間の視線予測を統合した新しい人間意識型モデル予測経路積分制御（HA-MPPI）を提案し、人間とロボットの安全かつ効率的で解釈可能な協調動作を実現する実証実験結果を示しています。
この論文は、医療や金融などの分野で展開される逐次マルチエージェント LLM システムにおいて、個々のエージェントの制約だけではプライバシーが保証されず、システム全体としての情報理論的プライバシー制御が必要であることを示し、相互情報量に基づく理論的限界の導出と、エージェント間の情報フローを直接制約するプライバシー正則化トレーニング枠組みを提案しています。
この論文は、自然言語のみで通信する複数の LLM/VLM モジュールからなる「RACAS」という自律制御アーキテクチャを提案し、車輪型ロボット、多関節アーム、水中ドローンなど、全く異なる形態のロボットに対してソースコードやモデルの再学習なしに高レベルの自律タスクを遂行可能にしたことを報告しています。
この論文は、従来の指標が時間的構造を捉えきれないという課題を指摘し、マルチエージェント協調の質を評価するために「完全交互性（Perfect Alternation）」を基準とした新たな「交互性（Alternation）指標」を導入し、Q 学習エージェントが伝統的な指標では高く評価されるにもかかわらず、ランダム方策よりも協調性能が大幅に劣るという矛盾を明らかにした。
この論文は、対比プロンプティングを用いたホワイトボックス分析により、大規模言語モデル（GPT-J-6B）の内部における信頼の表現が、人間の信頼モデル（特にカステルフランキの社会認知モデル）と高い整合性を示すことを明らかにし、人間-AI 協働システムの設計や社会認知理論の発展に貢献する知見を提供しています。
この論文は、人工市場シミュレーションを用いて、レバレッジ型 ETF と先物市場の価格暴落時に裁定取引が存在することにより、両市場間で売り深さやタイトネスなどの流動性が相互に供給され、市場の安定性が維持されるメカニズムを明らかにしたものである。
本論文は、大規模言語モデルに基づくマルチエージェントシステムのオーケストレーションを目的としたグラフ中心フレームワーク「MASFactory」を提案し、自然言語の意図を編集可能なワークフローにコンパイルする「Vibe Graphing」や再利用可能コンポーネント、可視化機能を通じて、複雑なグラフワークフローの実装負担を軽減し、ベンチマークでその有効性を検証したものである。
この論文は、アジャント AI を活用した双方向の自然言語対話により、需要応答におけるアグリゲーターとプロシューマーの協調を自動化の効率性と人間の自律性の両立で実現する「対話型需要応答（CDR）」を提案し、その有効性とオープンソース化を報告するものである。
この論文は、大規模言語モデルによる自然言語での柔軟な指示と科学的ワークフローに必要な厳密な実行の両立を可能にするため、実行前にスキーマによる検証を義務付ける「スキーマゲート型オーケストレーション」を提案し、その有効性を多モデル評価を通じて実証しています。
本論文は、複数のエージェントがメタエージェントによって調整され、グラフマッチングに基づく例選択やプロンプト拡張技術を活用してグラフィックデザインを多角的に評価し、実用的なフィードバックを生成する「Agentic Design Review System（AgenticDRS）」と、その性能を検証するための新たなベンチマーク「DRS-BENCH」を提案するものである。
この論文は、単一エージェントの能力拡張（深度スケーリング）の限界を補完するため、マルチエージェント強化学習を用いて並列実行を最適化する「WideSeek-R1」を提案し、小規模モデルでも大規模単一モデルに匹敵する広範な情報探索タスクでの性能向上と、並列エージェント数の増加に伴う一貫した性能改善（幅スケーリングの有効性）を実証しています。
この論文は、敵対的な合意設定における大規模言語モデル（LLM）ベースのエージェント群の協調を評価した結果、敵意がない環境であっても合意の達成が不安定であり、特にグループ規模の拡大や悪意あるエージェントの存在により失敗（主にライブネスの喪失）が支配的となることを示し、現在の LLM エージェント群による信頼性の高い協調への依存に警告を発しています。
本論文は、多様な規範的視点を持つ複数のエージェントを組み合わせ、ランクおよびスコアに基づく組合せ融合（CFA）によって出力を統合する「VAS-CFA」という枠組みを提案し、LLM の価値整合性を従来の手法よりも効果的に向上させることを実証しています。
本論文は、ルールベースの静的解析と変換ツールを活用した2段階のアプローチにより、Java における自動課題解決の最先端性能を達成する「iSWE Agent」を提案し、企業向けソフトウェア開発の効率化に貢献するものである。
本論文は、複雑なクエリを解決するために、専門的な LLM エージェントを DAG 構造で並列実行し、LLM ベースの検証と適応的再計画を繰り返す「Verified Multi-Agent Orchestration（VMAO）」フレームワークを提案し、単一エージェントベースラインと比較して回答の完全性と情報源の質を大幅に向上させることを実証しています。
この論文は、自然言語で記述されたイベント定義を少量またはゼロの学習データで多変量時系列信号にマッピングする「知識誘導型時系列イベント検出」という新たな課題に対し、言語記述と物理的データを橋渡しする「イベント論理木（ELT）」を導入し、神経記号的 VLM エージェントと組み合わせて高精度な検出と説明可能な推論を実現する手法を提案し、実世界データに基づくベンチマークでその有効性を示したものです。
この論文は、最適化や学習に依存せず、持続的な環境記憶とインセンティブ場を介した適応的相互作用の動的構造そのものとして、多エージェントシステムにおける協調的知性の出現を説明する理論的枠組みを提示しています。
本論文は、仮想アンカーノードを活用したマルチエージェント強化学習フレームワークを提案し、無人航空機によるメタンガス濃度と風速の協調測定を通じて、未記録の埋没井戸からの化学物質の発生源を従来の手法よりも高精度かつ効率的に特定する手法を確立したものである。
本論文は、複雑な推論タスクにおいて、構造化された「審議」プロセス（DCI）が非定型タスクや多角的視点の統合に有効である一方、コスト増大や定型タスクでの限界など課題も残しつつ、意思決定の過程説明責任を高める新たな多エージェント LLM 枠組みを提案しています。
この論文は、エネルギー需要管理における社会的ジレンマを解決するため、人工知能エージェントが協調を促進し、部分的な導入段階でも集団全体の利益を向上させる可能性を示しつつ、非採用者がその恩恵を不当に享受する非対称性という課題を明らかにしている。