RecursiveMAS/RecursiveMAS

解決する課題

RecursiveMAS は、マルチエージェントシステム (MAS) を孤立した LLM モジュールの集合体として扱うことによる非効率性を解決します。従来の離散的な相互作用よりも効果的にエージェントが情報を伝達・洗練できるようにすることで、シーケンシャル、混合、蒸留、審議といった多様な協調スタイル全体で調整とパフォーマンスを向上させることを目的としています。

仕組み

このフレームワークは、孤立したモジュールではなく、マルチエージェントシステム全体を統一的な再帰計算として扱います。軽量な "RecursiveLink" モジュールを使用して異種エージェントを接続し、複数の再帰ラウンドを通じて潜在状態を交換・進化させることが可能です。

システムは Inner-Outer Loop（内側・外側ループ）パラダイムを使用してトレーニングされます：

1. Inner Loop（内側ループ）: 各個別のエージェントに対してモデルレベルのウォームスタートを提供します。
2. Outer Loop（外側ループ）: システムレベルで "RecursiveLink" モジュールをトレーニングし、エージェント間の調整を最適化します。

対象ユーザー

本プロジェクトは、マルチエージェントの調整や LLM ベースのシステム最適化に取り組む AI 研究者や開発者、また数学、科学、医学、コーディングなどのタスクにおいて複雑なエージェント協調パターン（蒸留や審議など）を実装したいと考えている方に最適です。

ハイライト

• 潜在空間再帰 (Latent-Space Recursion): 単なるテキストの交換ではなく、共有された潜在状態を洗練させることで協調をスケーリングします。
• 多様な協調パターン: シーケンシャル、混合、蒸留、審議の各スタイルをサポートします。
• Inner-Outer Loop トレーニング: 個々のエージェントとその接続を最適化するための 2 段階の共同最適化戦略です。
• 幅広いベンチマークでの成功: Math500、GPQA、LiveCodeBench を含む 9 つのベンチマークで性能向上が実証されています。