複雑なタスクを境界の明確な原子タスクに分割し、各Agentが担当部分を独立して完了し、その結果を確実に統合できたとき、スウォームの力が初めて現れる。実験では、Agentが参照できる情報に応じて異なる協力相手を選び、異なる組織構造を徐々に形成することも確認された。
学術研究における「マルチAgent」には、役割に基づく協働（Li et al., 2023）、複数回の討論（Du et al., 2024）、集団としての創発（Chen et al., 2024）が含まれる。産業システムにおける「スウォーム」は、主Agentが複数のworkerを調整する構成として実装されることが多い（Anthropic, 2025）。呼び名は似ていても、評価基準は異なる。精度、コスト、堅牢性に加え、Agentが自ら分業と関係を形成できるかどうかが問われる。
本稿では、成果物の信頼性に直結する二つの問いを扱う。スウォームはタスクを漏れなく分解し、各部分を完了して、結果を確実に統合できるか。分業と接続関係をAgent自身が段階的に形成できるか。前者はスウォームが信頼できる成果物を届けられるかを決め、後者は自己組織化能力を持てるかを決める。
大規模なタスクには、漏れのない分解、明確な境界、信頼できるインターフェースが必要である。各Agentが局所タスクを一つ担当し、すべての局所結果で元のタスク全体を覆い、固定されたインターフェースを通して統合する。
図1｜本稿の中心となる比較。EvoXスウォームでは複数のAgentがそれぞれ一つのpartを完了し、結果を統合する。Sub-Agent方式では主LLMが分解と集約を担う。単一コンテキスト方式では、タスク全体を一つのコンテキストに入れる。実験1は、全体の網羅、独立したコンテキスト、プログラムによる集約を検証した。自律的な分解、タスクの自律的な引き受け、Agent間の情報交換は、今後の実験で一つの閉ループとして検証する必要がある。
二つの実験は、それぞれ一つの研究課題に対応する。実験1は、完全な分業が成立したときにスウォームが最終結果を改善できるかを検証する。実験2は、組織関係をすべて事前設定しない場合に、Agentが自ら相手を選び、構造を形成できるかを検証する。
実験1：スウォームの本当の強みは、数だけではない
実験では固定された563問を使用した。内訳は論理100問、一般数学250問、数学コンテスト63問、物理150問で、ZebraLogic、MATH、AIME/HMMT、UGPhysicsから構成される。三つの方式はいずれもClaude Haiku 4.5を使用し、タスクの分解、実行、統合方法以外は、問題セットと採点基準を同一に保った。
図2｜実験1の問題構成。論理、一般数学、数学コンテスト、物理を含む合計563問。
第一の方式はEvoXスウォームである。目標タスクを可能な限り多くの原子タスクへ完全に分割する。各問題は独立したAgentに渡され、各Agentは一度に一つの部分だけを処理し、回答を指定された場所に書き込む。主Agentが設計したプログラムが、最後に問題番号順で回答を収集する。別のモデルによる結果の書き換えも、中央の役割による回答の取捨選択も行わない。
第二の方式はSub-Agent方式である。Claude CodeやCodexなどのAgent製品で一般的な、主Agentによる調整を再現する。主調整役のLLMは最初に問題一覧全体を確認し、タスクを複数のサブタスクに分割する。サブタスクはさらに分割できる。Sub-Agentは継続セッションで問題を解き、レポートを作成して主LLMへ返す。主調整役のLLMは最後に30件のレポートを一つの回答表へまとめる。
第三の方式は単一コンテキストである。一つのAgentが同じコンテキスト内で目標タスク全体を直接解き、すべての回答を一度に出力する。
結果は明確な三段階に分かれた。EvoXスウォームは 70.69%-70.87%、Sub-Agent方式は 38.54%、単一コンテキスト方式は 26.29% だった。
図3｜同じモデルと問題セットでも、組織方式によって最終結果は三段階に分かれた。EvoXスウォームでは1問でネットワーク要求のタイムアウトが発生したため、固定された563問を分母として上下限を報告している。
モデルの呼び出し回数を増やすだけでは、結果は自動的に改善しない。Sub-Agent方式も複数のAgentを呼び出しており、この実験で観測されたコストは三つのシステムで最も高い水準だった。それでも最終結果はEvoXスウォームを大きく下回った。
先行研究でも、マルチAgentの効果は組織方式に依存することが示されている。役割定義、調整、検証、終了条件は、いずれも新たな失敗点になり得る（Hong et al., 2024；Cemri et al., 2025）。
スウォームの優位性には、次の三条件が同時に必要である。
第一に、タスクが境界の明確な原子単位へ分割されていること。各問題には担当者と出力場所が明確に定められ、各原子タスクを追跡でき、独立して並列実行できる。
第二に、実行が相互に分離されていること。各Agentは局所的な問題だけを扱うため、巨大なコンテキスト内で何度も切り替える必要がなく、それ以前の数十タスクの内容から継続的な干渉を受けない。長文コンテキストの研究では、モデルがコンテキスト中央部の情報を安定して利用できないことが示されており、本実験の方向と一致する。ただし、本実験では問題の位置を独立に操作していないため、結果の差を「中間部分の見落とし」だけに帰属させることはできない（Liu et al., 2024）。
第三に、統合が別のモデルによる回答の再解釈に依存しないこと。プログラムが合意された場所から原子タスクの結果を収集する。すでに得られた正しい回答は、別のLLMによる言い換え、圧縮、取捨選択を再び受けない。
スウォームは複雑なタスクを、境界が明確で、独立して完了でき、確実に統合できる部分へ変換する。並列性は結果であり、全体の網羅と確実な統合が前提である。
38.54%はSub-Agent方式の最終納品精度にすぎない。損失が問題を解く段階で生じたのか、それとも伝達と集約の段階で生じたのかを判断するため、30件のサブタスクに残された中間結果を追跡し、問題ごとに再確認した。
Sub-Agentは途中で373問に正解していたが、多くの正しい回答が最終結果まで届いていなかった。
Sub-Agentは166件の正解を失った。EvoXスウォームは何を変えたのか？
中間結果では、563問のうち 373問がすでに正解 していた。レポートの伝達と主調整役LLMによる最終統合を経ると、納品結果に残った正解は 217問 だった。207問は中間段階から最終結果まで正解を維持し、10問は不正解から正解へ変わった。一方、一度は正解していた166問が、最終納品時には不正解または欠落になった。中間段階の正解が保持された割合は55.50%だった。
図4｜Sub-Agent方式で得られた373件の中間正解のうち、166件は最終結果に保持されなかった。
自然言語による伝達が一段増えるたびに、欠落、圧縮、形式のずれ、誤った上書きが起きる機会も一つ増える。ある段階で誤りが発生すると、下流はすでに損なわれた情報を処理するほかない。
この166問すべてを最後の統合処理だけの問題とみなすことはできない。継続セッションにおけるコンテキストの蓄積、Sub-Agentによるレポートの書き方、主調整役による統合が、一つの情報損失経路を構成している。近年の研究でも、マルチAgentの失敗はシステム設計、Agent間の整合、検証、終了条件など複数の段階に分布している（Cemri et al., 2025）。
EvoXスウォームは、正しい回答をもう一度「理解させる」処理を避けている。各問題の結果を固定された場所へ書き込み、プログラムが問題番号順で直接収集する。Agentは問題を解き、プログラムが統合する。別のLLMが30件のレポートを読み、どの回答を残すか再判断する必要はない。
同じモデルでも、Sub-Agent方式の最終正解は217問、EvoXスウォームでは398問だった。差はタスク粒度と回答伝達の双方から生じている。タスクをより細かく分け、すでに得られた正解をより完全な形で終点まで届けている。
EvoXスウォームは成功したが、実験1では自己組織化の閉ループまで検証していない
実験1はスウォームの実行面を検証した。完全な分業がすでに存在し、各Agentが自分のpartを完了し、システムが結果を確実に統合できれば、同じモデルの能力を大きく引き出せる。
この完全な分解は、依然としてスクリプトによって保証されている。現実のタスクでは、part同士が依存し、異なる専門性を必要とし、実行中に新しい作業、失敗、衝突、重複が発生する。
次の問いは、Agentが自ら専門性を見つけ、タスクを引き受け、相手を選び、組織を調整できるかである。実験2は、その最小の行動である「相手を選ぶ」ことから始める。
実験2：自由なスウォームから一貫した組織形態が生まれた
実験2では、同じ設定の24個のAgentにそれぞれ問題を解かせた。Agentは一問を終えるたびに、その問題形式から得た知見をまとめ、継続的に蓄積されるmemoryへ書き込む。実験では、この知見をGeneとして記録し、コード上のフィールド skill に対応させた。特定分野の知見が増えるほど、次のラウンドで同分野の問題を選ぶ確率が高くなる。8ラウンド後、各Agentが実際に選んだ問題分野と結果から、専門性と正解率という二つの属性が形成された。
agent-8を例に取る。開始時の設定は他のAgentと同一だった。8ラウンドのうち、物理を5回、一般数学を2回、数学コンテストを1回選び、最終的に「物理0.625、数学0.25、数学コンテスト0.125」という専門性と、0.25の正解率を持つようになった。「物理重視」という属性は、問題選択とmemoryの蓄積から形成された履歴であり、事前に役割として設定されたものではない。
次に、24個のAgentを同じリング状の関係ネットワークから開始させた。各Agentは左右それぞれ二つのAgentとつながり、合計四つの関係を持つ。実験では一部の接続をランダムに切断し、影響を受けたAgentに、まだ接続していない候補から新しい相手を一つ選ばせた。
三つの実験群では、初期Agent、切断位置、候補範囲がすべて同一である。違いは、相手を選ぶときに見える情報だけである。
- 候補者の接続関係だけを見る。
- 接続関係に加えて、専門性と正解率を見る。
- 選好判断を与えず、対照群としてシステムがランダムに再接続する。
同じAgentでも、見える情報が変わるだけで異なる選択規則を使う。
図5｜同じagent-8でも、見える情報によって相手が変わる。関係だけが見えるときは友人の友人を選び、タスク情報が見えるときは能力が補完的な相手を選ぶ。
実際の選択例では、agent-8は社交関係だけが見えるときにagent-7を選んだ。両者に共通する既存の接続相手が4個あり、「友人の友人」に当たるためである。ネットワーク科学では、この仕組みを三者閉包（triadic closure）と呼び、関係ネットワークに集団が形成される代表的な仕組みの一つとされる（Watts & Strogatz, 1998；Papachristou & Yuan, 2025）。agent-7の正解率は0.25だったが、agent-8にはその情報が見えていなかった。
専門性と正解率が見えると、同じagent-8は共通の接続相手を持たないagent-2を選んだ。agent-2の正解率は0.75で、その専門性はagent-8を補完できる。候補情報に対するモデルの言語説明には不正確な場合があるものの、全体の選択方向は一貫して変化した。関係だけを見ると既知の相手を探し、タスク情報を見ると能力がより適した相手を選ぶ。
この変化は選択全体にも現れた。社交情報だけの場合、「友人の友人を選ぶ」ことが最も強い選好で、強度は +2.28 だった。タスク情報を追加すると、この選好は +0.19 まで低下し、「正解率の高い相手を選ぶ」選好が +1.88、「専門性の近い相手を選ぶ」選好が +1.47 となった。自分と似た相手と接続する傾向は、社会ネットワーク研究で同類性（homophily）と呼ばれる（McPherson et al., 2001）。
同じAgent群が二つの組織構造を形成した
多数の局所的な選択が積み重なると、ネットワーク全体も変化する。
社交情報だけの場合、Agentは友人の友人との接続を繰り返し、明確な局所集団を保った。ネットワーク全体のクラスタリング係数は 0.53 だった。専門性と正解率が見えると、Agentは既存の集団を越えて高得点の相手と接続しやすくなり、クラスタリング係数は 0.28 まで低下した。これはランダム再接続の対照群 0.27 に近く、より明確なハブも現れた。リング状の初期構造、再接続、クラスタリング指標は、古典的なスモールワールド・ネットワークの枠組みに基づく。「スモールワールド」であると厳密に判定するには、経路長をランダム・ネットワークおよび規則ネットワークの基準値と比較する必要がある（Watts & Strogatz, 1998；Telesford et al., 2011）。
図6｜社交情報だけを見る場合、局所的な集団構造が保たれる。タスク情報を加えると、ネットワークはクラスタリングが低く、中心化が高い方向へ移動する。
図7｜同じAgent群と同じ攪乱でも、見える情報の違いによって異なる組織が形成された。接続線はAgentによる再接続の選択を示し、メッセージの流れやタスクの引き渡しを示すものではない。図はseed 5004の例であり、全体の結論は複数回の観測に基づく。
次の段階では、これらの接続が実際の協働を支えられるかを検証する必要がある。Agentが自ら形成した関係を通してGeneを交換し、タスクを引き渡し、専門性が補完的な相手を探し、失敗時には代替相手を探す。この検証を通過して初めて、観測されたネットワーク構造が、Agentが実際に使うタスクルーティングと経験伝播の仕組みになる。
EvoX：自己組織化するスウォームへ
二つの実験は、相互に依存する二層の能力を示している。
第一層は、信頼できるスウォーム実行基盤である。各partには安定したIDがあり、タスク全体の網羅を確認でき、結果は構造化されたインターフェースを通して返される。重複と欠落を検出でき、失敗を再試行でき、最終統合は可能な限りプログラムが担う。実験1は、こうした工学的制約が、個々の能力を損なわずに終点まで届けられるかを直接決めることを示した。
第二層は、適応可能な自己組織化の仕組みである。Agentは自らの専門性を公開して更新し、タスク分解を提案し、partを引き受け、協力相手を選び、依存関係や衝突を発見したときに作業を再配分する。実験2は、Agentに公開される情報が相手の選択と最終的な組織構造を変えることを示した。
自律的な分業にも、信頼できるプロトコルが必要である。誰が担当するか、どのように組み合わせるか、いつ調整するかはAgentが自ら決められる。一方、タスク全体の網羅、結果形式、エラー処理は検証可能でなければならない。
真のAIスウォームでは、各個体が自分のpartを完了し、すべてのpartでタスク全体を覆い、適切なAgent同士が適切な時点で出会う。
実験1は、信頼できるスウォーム実行の可能性を示した。実験2は、自己組織的な関係が形成され始めた証拠を示した。タスク分解、関係を使ったルーティング、実際の協働は、一つの閉ループの中で引き続き検証する必要がある。
参考文献
マルチAgentの協働と評価
- Li, G., Hammoud, H. A. A. K., Itani, H., Khizbullin, D., & Ghanem, B. (2023). CAMEL: Communicative Agents for “Mind” Exploration of Large Language Model Society. NeurIPS 2023.
- Du, Y., Li, S., Torralba, A., Tenenbaum, J. B., & Mordatch, I. (2024). Improving Factuality and Reasoning in Language Models through Multiagent Debate. ICML 2024, 11733-11763.
- Chen, W., et al. (2024). AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors. ICLR 2024.
- Wu, Q., et al. (2024). AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. COLM 2024.
- Hong, S., et al. (2024). MetaGPT: Meta Programming for A Multi-Agent Collaborative Framework. ICLR 2024.
- Cemri, M., et al. (2025). Why Do Multi-Agent LLM Systems Fail?. arXiv:2503.13657.
- Zhu, K., et al. (2025). MultiAgentBench: Evaluating the Collaboration and Competition of LLM Agents. ACL 2025, 8580-8622. doi: 10.18653/v1/2025.acl-long.421.
長文コンテキストと実験方法
- Liu, N. F., et al. (2024). Lost in the Middle: How Language Models Use Long Contexts. Transactions of the Association for Computational Linguistics, 12, 157-173.
- Liang, P., et al. (2023). Holistic Evaluation of Language Models. Transactions on Machine Learning Research.
- AWS. Claude Haiku 4.5 model card.
ネットワーク科学とLLMネットワーク形成
- Watts, D. J., & Strogatz, S. H. (1998). Collective dynamics of “small-world” networks. Nature, 393, 440-442.
- McPherson, M., Smith-Lovin, L., & Cook, J. M. (2001). Birds of a Feather: Homophily in Social Networks. Annual Review of Sociology, 27, 415-444.
- Telesford, Q. K., Joyce, K. E., Hayasaka, S., Burdette, J. H., & Laurienti, P. J. (2011). The Ubiquity of Small-World Networks. Brain Connectivity, 1(5), 367-375.
- Papachristou, M., & Yuan, Y. (2025). Network formation and dynamics among multi-LLMs. PNAS Nexus, 4(12), pgaf317.
- Anthropic. (2025). How we built our multi-agent research system.
