どのエージェントがタスク失敗を引き起こし、いつか？PSUとDukeの研究者はLLMマルチエージェントシステムの自動失敗帰属を探究
ペンシルベニア州立大学とデューク大学の研究チームは、LLM マルチエージェントシステムにおける失敗の原因特定を自動化する「Automated Failure Attribution」の新たなアプローチとベンチマークデータセット「Who&When」を発表し、ICML 2025 で注目された。
キーポイント
課題の明確化：原因究明の難しさ
複雑化するマルチエージェントシステムでは、自律的な協働と長い情報連鎖により、失敗の原因となるエージェントやタイミングを特定するのが極めて困難であるという開発者の共通課題が指摘された。
新アプローチ：自動失敗帰属（Automated Failure Attribution）
本研究は、膨大なインタラクションログから手作業で原因を探すのではなく、自動化された手法によって失敗の根本原因を特定する新たな研究課題として「Automated Failure Attribution」を定義した。
世界初のベンチマークデータセット「Who&When」
このタスクを評価・比較するための、世界で初めてとなるベンチマークデータセット「Who&When」が構築され、複数の自動帰属手法が開発・評価された。
学術的承認とオープンソース化
この研究成果はトップカンファレンスである ICML 2025 の Spotlight プレゼンテーションとして採択され、コードとデータセットが完全にオープンソースとして公開された。
ICML 2025 Spotlight 採択とオープンソース化
PSU と Duke の研究者によるこの論文は、トップカンファレンスである ICML 2025 で Spotlight プレゼンテーションとして採用され、コードとデータセットが完全に公開されました。
LLM マルチエージェントシステムの自動化失敗帰属
本研究は、大規模言語モデル（LLM）を基盤としたマルチエージェントシステムにおいて、タスクの失敗を引き起こす特定のエージェントとそのタイミングを特定する手法を提案しています。
影響分析・編集コメントを表示
影響分析
この研究は、複雑化する AI エージェントシステムの運用における最大のボトルネックである「デバッグの困難さ」に対する具体的な解決策を提示した点で極めて重要です。自動帰属技術の実用化により、開発サイクルの短縮とシステム信頼性の飛躍的向上が期待され、産業レベルでのマルチエージェント導入を加速させる契機となるでしょう。
編集コメント
マルチエージェントシステムの「ブラックボックス化」が進む中、その内部挙動を可視化し失敗を特定する手法の確立は、実社会への展開において避けて通れない課題です。ICML での採択とオープンソース化は、この分野の研究開発に大きな追い風となるでしょう。
「Share My Research」は、Synced が運営するコラムで、150 万人を超える世界の AI エンタジストに向けて、研究者が自身の研究の画期的成果を共有できる場を提供しています。技術的な進歩だけでなく、このコラムでは研究背後にある興味深い物語や、魅力的な研究アイデアも歓迎します。お問い合わせ先：chain.zhang@jiqizhixin.com
著者紹介
所属機関：ペンシルベニア州立大学、デューク大学、Google DeepMind、ワシントン大学、Meta、南洋理工大学、オレゴン州立大学。共筆第一著者は、ペンシルベニア州立大学の Shaokun Zhang とデューク大学の Ming Yin です。
近年、LLM マルチエージェントシステムは、複雑な問題解決における協調アプローチにより広く注目を集めています。しかし、これらのシステムが活発に活動しているにもかかわらずタスクで失敗することはよくあるシナリオです。これにより開発者にとって重要な疑問が生じます：どのエージェントが、いつの時点で失敗の原因となったのか？膨大なインタラクションログから根本原因を特定しようと試みることは、干し草の山の中で針を見つけるようなものであり、時間と労力を要する作業です。
これは開発者にとってよくある不満です。ますます複雑化するマルチエージェントシステムにおいて、失敗は単に一般的であるだけでなく、エージェント間の自律的な協力や長い情報チェーンのために診断が極めて困難です。失敗の原因を迅速に特定する方法がない場合、システムの反復や最適化は頓挫してしまいます。
この課題に対処するため、ペンシルベニア州立大学とデューク大学の研究者らが、Google DeepMind を含む複数の機関と協力し、「自動失敗帰属」という新たな研究問題を提起しました。彼らはこのタスクのための最初のベンチマークデータセット「Who&When」を構築し、いくつかの自動帰属手法を開発・評価しました。この研究は、タスクの複雑さを浮き彫りにするだけでなく、LLM マルチエージェントシステムの信頼性を高めるための新たな道筋を示すものです。
本論文は、機械学習の最上位カンファレンスである ICML 2025 のスポットライト発表として採択され、コードとデータセットは現在完全にオープンソース化されています。
PSU と Duke の研究者らが、大規模言語モデル（LLM）マルチエージェントシステムの自動化された失敗原因特定について探求しています。
原文を表示
Share My Research is Synced’s column that welcomes scholars to share their own research breakthroughs with over 1.5M global AI enthusiasts. Beyond technological advances, Share My Research also calls for interesting stories behind the research and exciting research ideas. Contact us: chain.zhang@jiqizhixin.com
Meet the authors
Institutions: Penn State University, Duke University, Google DeepMind, University of Washington, Meta, Nanyang Technological University, and Oregon State University. The co-first authors are Shaokun Zhang of Penn State University and Ming Yin of Duke University.
In recent years, LLM Multi-Agent systems have garnered widespread attention for their collaborative approach to solving complex problems. However, it’s a common scenario for these systems to fail at a task despite a flurry of activity. This leaves developers with a critical question: which agent, at what point, was responsible for the failure? Sifting through vast interaction logs to pinpoint the root cause feels like finding a needle in a haystack—a time-consuming and labor-intensive effort.
This is a familiar frustration for developers. In increasingly complex Multi-Agent systems, failures are not only common but also incredibly difficult to diagnose due to the autonomous nature of agent collaboration and long information chains. Without a way to quickly identify the source of a failure, system iteration and optimization grind to a halt.
To address this challenge, researchers from Penn State University and Duke University, in collaboration with institutions including Google DeepMind, have introduced the novel research problem of “Automated Failure Attribution.” They have constructed the first benchmark dataset for this task, Who&When, and have developed and evaluated several automated attribution methods. This work not only highlights the complexity of the task but also paves a new path toward enhancing the reliability of LLM Multi-Agent systems.
The paper has been accepted as a Spotlight presentation at the top-tier machine learning conference, ICML 2025, and the code and dataset are now fully open-source.
![image](data:image/png;base64,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
関連記事
PSUとDukeの研究者が「マルチエージェントシステムの自動故障帰属」を紹介
ペン州立大学とDuke大学の研究者らは、マルチエージェントシステムにおける故障の原因を自動的に特定する手法「Multi-Agent Systems Automated Failure Attribution」を発表した。これは複数の機関が共同で取り組む研究であり、AIシステムの信頼性向上に寄与する技術的進展である。
ByteDance、自律ロボットナビゲーション向け二重モデル「Astra」を発表
ByteDanceは、複雑な屋内環境での自律ロボットナビゲーション課題を解決するため、「Astra」を開発した。これは「現在地」「目的地」「経路」の3つの基本質問に答える二重モデルアーキテクチャであり、従来の手法の限界を克服する革新的な技術である。
MIT研究者が「SEAL」を発表：自己改善型AIへの新たな一歩
MITは「SEAL（Self-Adapting LLMs）」という新フレームワークを発表した。これは大規模言語モデル（LLM）が自身の重みを更新できる仕組みであり、自己進化型AIの実現に向けた重要な進展と見なされている。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み