スタンフォード大学の研究チームは、複数のAIエージェントが中央の統括役（オーケストレータ）を介さずに協調できる枠組み「DeLM」を発表しました。
DeLMでは、エージェントが共通の知識ベースに検証済みの進捗や失敗を要約として書き込み、他のエージェントが直接参照できるようにします。
これにより、従来のように主エージェントが分割した下位タスクの報告を回収し、統合して再配布する処理がボトルネックになりにくいとしています。
研究では、SWE-bench Verifiedで最強のベースラインより10.5%高い性能を示し、1タスク当たりのコストを約50%削減したと報告しました。
またLongBench‑v2 Multi‑Doc QAでは、GPT‑5.4、Claude Sonnet、Gemini Flash、DeepSeek‑V4‑Proの4系統のモデルで最高精度を達成したとしています。
DeLMは、共有する情報を「短い要約（gists）」から必要に応じて詳細（unfold）へ切り替える仕組みを備え、長文共有によるコスト増やコンテキスト逼迫を抑えつつ精度を高める狙いです。
研究チームは、中央統括を前提とする従来の多エージェント設計を見直す必要があると述べています。
参照元：2026/06/17 「Stanford’s DeLM cuts multi-agent task costs 50% — without a central orchestrator」 https://venturebeat.com/orchestration/stanfords-delm-cuts-multi-agent-task-costs-50-without-a-central-orchestrator
この記事へのリアクション
このニュースをどう受け止めましたか？
コメント