分野：生成AI カテゴリ：エージェント／掲載日：2026年11月6日（金）／注目度 3

潜在空間で考えるエージェント群「SwarmEvolve」――進化的プログラム探索を高速・低コストに

SwarmEvolve: Latent Agent Swarms for Evolutionary Discovery and Optimization

Qile Jiang, George Em Karniadakis ／ arXiv:2611.08483（原文公開：2026年11月5日（木））

TL;DR ― 30秒で分かる要点

1ラウンドに数百の低コストエージェントが群れで働き、潜在空間で推論して情報を共有する進化探索フレームワーク「SwarmEvolve」。21課題で最高の平均スコア、最良スコアへの到達は中央値3〜8分とされる。

原題: SwarmEvolve: Latent Agent Swarms for Evolutionary Discovery and Optimization
著者: Qile Jiang, George Em Karniadakis
分野: 生成AI
カテゴリ: エージェント
重要度: ★★★☆☆（3 / 5）
原文: arXiv で原文を読む（2611.08483）

要約 ABSTRACT

LLMがプログラムを反復的に改善する進化探索は、各ラウンドで長いテキストの思考過程を生成し、多様性を保つために何度も繰り返すため遅くなりがちだった。著者らは新フレームワーク「SwarmEvolve」を提案した。1ラウンドに数百の低コストエージェントが群れで働き、テキストに変換せず潜在空間で推論し、KVキャッシュを受け渡して情報を共有する。数学的発見と科学計算の21課題で最高の平均スコアを記録し、他の最先端フレームワークが60分で到達する最良スコアに中央値3〜8分で到達したという。

課題 PROBLEM

LLMがプログラムを反復的に改善する進化探索は、各ラウンドで長いテキストの思考過程を生成し、多様性を保つために何度も繰り返すため、遅くなりがちだった。

手法 METHOD

新フレームワーク「SwarmEvolve」では、1ラウンドに数百の低コストエージェントが群れで働く。テキストに変換せず潜在空間で推論し、KVキャッシュを受け渡して情報を共有する。

結果 RESULTS

数学的発見と科学計算の21課題で最高の平均スコアを記録した。他の最先端フレームワークが60分で到達する最良スコアに、中央値3〜8分で到達したという。

限界 LIMITATIONS

本要約の範囲では、対象が数学的発見と科学計算の21課題であり、それ以外のタスクへの一般化や再現条件の詳細は示されていない。

ビジネスで使えるか BUSINESS USE

最適化や探索型の処理をAIで回している場合、「少数の高性能モデルを長く考える」だけでなく「多数の低コストエージェントを群れで回す」設計がコストと速度の選択肢になる。

コミュニティ・指標 COMMUNITY

3 / 5注目度（編集部スコア）

エージェントカテゴリ

計測中閲覧・原文クリック（GA4）

※ Hugging Face Papers の upvote にあたる指標は、本サイトでは当面「注目度（重要度スコア）」で代替します。閲覧数などの実測指標は計測開始後に表示します（数値を創作しません）。

この手法を自社の業務に取り込む方法について、生成AI研修・活用支援のご相談を受け付けています。（導線は準備中です）

相談する（準備中）

arXiv原文で詳しく読む →

本ページの事実記述は、収集時点の要約（リード）の範囲に基づきます。数字や評価の詳細は原文でご確認ください。