SDOF：状態制約付きディスパッチでマルチエージェントオーケストレーションのアライメント税を抑制

SDOF（State-Constrained Dispatch Orchestration Framework）は、マルチエージェントオーケストレーションにおけるステージ制約の問題を解決するための新しいフレームワークです。現在のオーケストレーションフレームワーク（LangChain、LangGraph、CrewAIなど）はグラフベースのパイプラインでタスクをルーティングしますが、実際のビジネスプロセスを支配するステージ制約を強制しません。SDOFはマルチエージェント実行を制約付き状態機械としてモデル化し、2つの主要な防御層を実装します。第1層は、生成報酬モデリング（GRPO）によってトレーニングされたオンラインRLHF特殊意図ルーターです。第2層は、GoalStage有限オートマトンチェックとSkillRegistryの事前条件/事後条件検証を備えたStateAwareDispatcherであり、監査可能な実行制御を提供します。

北森iTalentプラットフォーム（6000社以上の企業をサポート）をバックエンドとする採用システムにおいて、研究者は185の専門家がキュレーションしたシナリオを使用し、1671のリアルタイムAPI呼び出しをトリガーしました。GSPOにアライメントされた7B意図ルーターは、有限状態機械制約下の敵対的ルーティングベンチマークで80.9%の結合精度を達成し、ゼロショットGPT-4oの48.9%を大きく上回りました。エンドツーエンドの実行では、SDOFは86.5%のタスク完了率（95%信頼区間80.8～90.7）を達成し、すべての22の注入および不正HRサブセット操作をブロックしました。より広範なメッセージレベルのブロッキング監査では、SDOFは精度100%、再現率88%、専門家一致カッパ係数0.94を達成しました。

さらに、8つのサービスドメインをカバーする960のSGD派生対話の個別評価では、SDOFのFSMマッピングにより201のステージ順序競合が明らかになり、そのうち41が通常分割で発生しました。このように、SDOFはビジネスプロセスのステージ制約を明示的に強制することで、マルチエージェントシステムにおけるアライメント税を低減します。本論文（arXiv:2605.15204）は現在検証済みの範囲を報告しており、拡張されたマルチシードトレーニング比較とより深いワークフロー評価は今後のアップデートでリリースされる予定です。