SwarmSys: スケーラブルかつ適応的な推論のための分散型スウォームインスパイアードエージェント

要旨

大規模言語モデル（LLM）エージェントは、顕著な推論能力を示している。しかし、既存のマルチエージェントフレームワークは、固定された役割や集中制御に依存することが多く、長期的な推論におけるスケーラビリティと適応性が制限されている。本研究では、群知能に着想を得た分散型マルチエージェント推論のための閉ループフレームワークであるSwarmSysを提案する。SwarmSysにおける協調は、探査、活用、検証を繰り返す3つの専門的な役割（Explorers、Workers、Validators）間の反復的な相互作用を通じて生じる。スケーラブルで適応的な協調を実現するため、適応型エージェントおよびイベントプロファイル、埋め込みベースの確率的マッチング、フェロモンに着想を得た強化学習メカニズムを統合し、グローバルな監視なしに動的なタスク割り当てと自己組織化された収束を支援する。記号推論、研究統合、科学プログラミングタスクにおいて、SwarmSysは一貫してベースラインを上回り、精度と推論の安定性の両方を向上させた。これらの結果は、スケーラブルで頑健かつ適応的なマルチエージェント推論のための有望なパラダイムとして、群知能に基づく協調を強調しており、LLMの知能を進化させる上で、協調のスケーリングがモデルのスケーリングに匹敵する可能性を示唆している。

English

Large language model (LLM) agents have shown remarkable reasoning abilities. However, existing multi-agent frameworks often rely on fixed roles or centralized control, limiting scalability and adaptability in long-horizon reasoning. We introduce SwarmSys, a closed-loop framework for distributed multi-agent reasoning inspired by swarm intelligence. Coordination in SwarmSys emerges through iterative interactions among three specialized roles, Explorers, Workers, and Validators, that continuously cycle through exploration, exploitation, and validation. To enable scalable and adaptive collaboration, we integrate adaptive agent and event profiles, embedding-based probabilistic matching, and a pheromone-inspired reinforcement mechanism, supporting dynamic task allocation and self-organizing convergence without global supervision. Across symbolic reasoning, research synthesis, and scientific programming tasks, SwarmSys consistently outperforms baselines, improving both accuracy and reasoning stability. These findings highlight swarm-inspired coordination as a promising paradigm for scalable, robust, and adaptive multi-agent reasoning, suggesting that coordination scaling may rival model scaling in advancing LLM intelligence.

SwarmSys: スケーラブルかつ適応的な推論のための分散型スウォームインスパイアードエージェント

SwarmSys: Decentralized Swarm-Inspired Agents for Scalable and Adaptive Reasoning

要旨

Support