Anthropic、マルチエージェント意思決定の実験結果を公開──4者合議で正解率 17-36% に低下
複数 LLM によるエージェント合議は隠れプロファイル問題により誤ったコンセンサスを生みやすく、単一エージェント処理を下回る特性が示された。
リリース: 2026-08-23 · 読了 3 分記事の要約
1. 核心（What）
- Anthropic の実験で、4 エージェントによる合議の正解率が 17-36% に低下することが判明した。
- 共有された共通事実が誤った選択肢を指す状況で、少数のエージェントが持つ正しい非公開事実がかき消される隠れプロファイル問題が発生した。
- 証拠の全体像を把握した単一エージェントはほぼ常に正解を導出できた。
- 評価対象のうち Mythos 5 だけは約 85% の正解率を維持した。
2. 影響（Why）
- マルチエージェント合議の罠: 多様性の低い LLM 同士で合議させると少数意見が切り捨てられるため、複雑な意思決定タスクでは単一モデルに全データを渡す方が安全というアーキテクチャの意思決定に直結する。
- 国内 SaaS の設計見直し: 国内のチャットボット・自律エージェント開発を行う中堅テック企業は、エージェント数を増やすことが必ずしも精度向上につながらない検証結果を踏まえ、推論コスト削減と精度担保のバランスを再計算すべきである。
3. 根拠・詳細（How）
- 隠れプロファイル実験の検証手法: 4 つのエージェントに異なる証拠情報を分散配置し、全体としての共通認識が誤った方向を向く状況下での合議プロセスを追跡して正解率を計測。
- モデル別の分散と例外: 主要モデルファミリーの合議後正解率が 17-36% に低下する中、Mythos 5 のみが例外的に約 85% の高い耐性を示したがその内部機構は未公開。
4. 展望・課題（Next）
- 多様性確保のメカニズム模索: 異なる価値観や目的を持つ AIs のエコシステムを構築する手法など、LLM の低分散性と合議の硬直化を打破する仕組みの実装が今後の課題となる。