研究者らは、集中オーケストレーターのボトルネックを解消し、並行ワーカーがサブタスクを非同期で引き受けて進捗をマージできるようにする、スケーラブルな自己組織化マルチエージェントハーネスである Agensh を紹介しました。

このシステムは、共有ワークスペース、メッセージインターフェース、共有コンテキストのインフラストラクチャに依存しています。GPT-5.6-sol (high) を使用した ProgramBench タスクでの評価では、1 から 128 エージェントにスケーリングすることで、最終テストパス率の平均が 19.31% から 28.78% に向上することが示されました。pandoc タスクでは、1,024 エージェントにスケーリングすることでパス率が 33.89% から 55.06% に上昇し、より大規模な組織は同等の結果を早期に達成しました。

著者らは、エージェント数はマルチエージェント組織における新たなスケーリング次元であり、厳しいレイテンシ制約下での複雑なタスクに対する実用的な解決策を提供すると主張しています。