日本語タイトル#
LLM エージェントは協力タスクを解決できるか？ 緊急意識のある計画と調整に関する研究
英文タイトル#
Can LLM Agents Solve Collaborative Tasks? A Study on Urgency-Aware Planning and Coordination
日本語要約#
複数のエージェントの行動を調整する能力は、複雑な現実の問題を解決するために重要です。 大規模言語モデル（LLMs）は、コミュニケーション、計画、推論において強力な能力を示しており、これが彼らがマルチエージェント環境で効果的な協力を支援できるかどうかという疑問を引き起こしています。本研究では、労働の分担、優先順位付け、協力的な計画を必要とする構造化された被害者救助タスクを解決するために LLM エージェントを使用することを調査します。エージェントは完全に知られたグラフベースの環境で動作し、異なるニーズと緊急度を持つ被害者にリソースを割り当てなければなりません。私たちは、タスク成功率、冗長な行動、部屋の衝突、緊急度加重効率など、調整に敏感な指標の一連を使用してそのパフォーマンスを体系的に評価します。この研究は、物理的に基づいたマルチエージェント協力タスクにおける LLM の強みと失敗モードに関する新しい洞察を提供し、将来のベンチマークとアーキテクチャの改善に寄与します。
英文要約#
The ability to coordinate actions across multiple agents is critical for solving complex, real-world problems. Large Language Models (LLMs) have shown strong capabilities in communication, planning, and reasoning, raising the question of whether they can also support effective collaboration in multi-agent settings. In this work, we investigate the use of LLM agents to solve a structured victim rescue task that requires division of labor, prioritization, and cooperative planning. Agents operate in a fully known graph-based environment and must allocate resources to victims with varying needs and urgency levels. We systematically evaluate their performance using a suite of coordination-sensitive metrics, including task success rate, redundant actions, room conflicts, and urgency-weighted efficiency. This study offers new insights into the strengths and failure modes of LLMs in physically grounded multi-agent collaboration tasks, contributing to future benchmarks and architectural improvements.
記事ページ#
LLM エージェントは協力タスクを解決できるか？ 緊急意識のある計画と調整に関する研究
PDF 入手#
抖音で QR コードをスキャンしてさらに素晴らしいコンテンツを見る