arXivの最新論文「GraphBit: A Graph-based Agentic Framework for Non-Linear Agent Orchestration」は、大規模言語モデル（LLM）エージェントフレームワークにおける重大な欠陥を解決する新たなフレームワークを提案します。現在の主流フレームワークはプロンプト主導のオーケストレーションに依存しており、モデル自身がワークフローの遷移を決定するため、幻覚的なルーティング、無限ループ、実行結果の非再現性などの問題が発生しやすくなっています。GraphBitはエンジン主導のアプローチを採用し、ワークフローを有向非巡回グラフ（DAG）として明示的かつ決定的に定義することで、これらの不確実性を根本的に排除します。
GraphBitでは、エージェントは型付き関数として動作し、Rustで構築されたエンジンがルーティング、状態遷移、ツール呼び出しを管理します。これにより、実行の再現性と監査可能性が確保されます。エンジンは並列分岐実行、構造化状態述語に基づく条件付き制御フロー、構成可能なエラー回復メカニズムをサポートします。さらに、3層のメモリアーキテクチャ（一時的なスクラッチスペース、構造化状態、外部コネクタ）を採用し、異なる段階のコンテキストを分離することで、長期間のパイプラインにおけるコンテキストの連鎖的な肥大化を防ぎ、推論能力の低下を抑制します。このアーキテクチャにより、中間結果の一時保存、永続的な状態管理、外部システムとの連携が効率的に行えます。
研究チームはGAIAベンチマークを用いてGraphBitを評価しました。ベンチマークはツールなし、文書拡張、Web対応の3種類のワークフローで構成され、6つの既存フレームワークと比較されました。結果、GraphBitは67.6%の最高精度を達成し、フレームワーク起因の幻覚はゼロ、レイテンシオーバーヘッドは11.9msと最低、スループットも最高でした。アブレーション研究では、各メモリ層が性能に計測可能な寄与をしており、特に決定論的実行がツール集約型タスク（実世界のデプロイメントを代表する）において最大の利得をもたらすことが示されました。このフレームワークは、信頼性が高く効率的なLLMエージェントシステムの構築に新たな道を開くものであり、特に再現性と監査可能性が求められる本番環境に適しています。