Fugu-MT 論文翻訳(概要): Persistent And Scalable JADE: A Cloud based InMemory Multi-agent Framework

論文の概要: Persistent And Scalable JADE: A Cloud based InMemory Multi-agent Framework

arxiv url: http://arxiv.org/abs/2009.06425v2
Date: Wed, 16 Sep 2020 23:50:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 12:51:32.125682
Title: Persistent And Scalable JADE: A Cloud based InMemory Multi-agent Framework
Title（参考訳）: 永続的でスケーラブルなJADE:クラウドベースのインメモリマルチエージェントフレームワーク
Authors: Nauman Khalid, Ghalib Ahmed Tahir, Peter Bloodsworth
Abstract要約: 本研究は,メモリ内エージェント永続化フレームワークについて述べる。 2つのプロトタイプが実装され、1つは提案手法と、もう1つは確立されたエージェント持続性環境を用いて実現された。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multi-agent systems are often limited in terms of persistenceand scalability. This issue is more prevalent for applications inwhich agent states changes frequently. This makes the existingmethods less usable as they increase the agent's complexityand are less scalable. This research study has presented anovel in-memory agent persistence framework. Two prototypeshave been implemented, one using the proposed solution andthe other using an established agent persistency environment.Experimental results confirm that the proposed framework ismore scalable than existing approaches whilst providing asimilar level of persistency. These findings will help futurereal-time multiagent systems to become scalable and persistentin a dynamic cloud environment.
Abstract（参考訳）: マルチエージェントシステムは永続性とスケーラビリティの点で制限されることが多い。この問題はエージェントステートが頻繁に変化するアプリケーションでより一般的である。これにより、エージェントの複雑さが増大し、スケーラビリティが低下するため、既存のメソッドが使いにくくなります。本研究は,anovel in-memory agent persistence frameworkを提案する。 2つのプロトタイプが実装され、1つは提案手法と、もう1つは確立されたエージェントの持続性環境を用いて実現されている。これらの発見は、動的クラウド環境において、将来のリアルタイムマルチエージェントシステムがスケーラブルで永続的になるのに役立つだろう。

関連論文リスト

DynaSaur: Large Language Agents Beyond Predefined Actions [108.75187263724838]
既存のLLMエージェントシステムは、通常、各ステップで固定セットと事前定義されたセットからアクションを選択する。動作の動的生成と構成をオンラインで実現するLLMエージェントフレームワークを提案する。 GAIAベンチマーク実験により, このフレームワークは柔軟性が向上し, 従来の手法よりも優れていたことが確認された。
論文参考訳（メタデータ） (2024-11-04T02:08:59Z)
On the Resilience of Multi-Agent Systems with Malicious Agents [58.79302663733702]
本稿では,悪意のあるエージェント下でのマルチエージェントシステムのレジリエンスについて検討する。我々は、任意のエージェントを悪意のあるエージェントに変換する2つの方法、AutoTransformとAutoInjectを考案した。各エージェントが他のエージェントの出力に挑戦するためのメカニズムを導入するか、あるいはメッセージのレビューと修正を行う追加のエージェントを導入することで、システムのレジリエンスを高めることができることを示す。
論文参考訳（メタデータ） (2024-08-02T03:25:20Z)
Very Large-Scale Multi-Agent Simulation in AgentScope [112.98986800070581]
我々は,ユーザフレンドリーなマルチエージェントプラットフォームであるAgentScopeの新機能とコンポーネントを開発した。高いスケーラビリティと高効率を実現するために,アクタをベースとした分散機構を提案する。また、多数のエージェントを便利に監視し、管理するためのWebベースのインターフェースも提供します。
論文参考訳（メタデータ） (2024-07-25T05:50:46Z)
Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文参考訳（メタデータ） (2024-07-09T17:33:24Z)
AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
論文参考訳（メタデータ） (2024-02-21T04:11:28Z)
Towards Robust Multi-Modal Reasoning via Model Selection [7.6621866737827045]
LLMはエージェントの"脳"として機能し、協調的な多段階タスク解決のための複数のツールを編成する。我々はテスト時に無視できるランタイムオーバーヘッドを持つプラグインとして、$textitM3$フレームワークを提案する。実験の結果,我々のフレームワークは,ユーザ入力とサブタスク依存の両方を考慮した動的モデル選択を可能にすることがわかった。
論文参考訳（メタデータ） (2023-10-12T16:06:18Z)
On the Complexity of Multi-Agent Decision Making: From Learning in Games to Partial Monitoring [105.13668993076801]
マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
論文参考訳（メタデータ） (2023-05-01T06:46:22Z)
Agent-State Construction with Auxiliary Inputs [16.79847469127811]
本稿では,強化学習に補助的な入力を使用する方法の異なる方法を示す一連の例を示す。これらの補助的な入力は、それ以外はエイリアスされるであろう観測を区別するために使用できることを示す。このアプローチは、リカレントニューラルネットワークや切り離されたバックプロパゲーションといった最先端の手法を補完するものだ。
論文参考訳（メタデータ） (2022-11-15T00:18:14Z)
Bridging the Domain Gap for Multi-Agent Perception [19.724227909352976]
マルチエージェント認識のための領域ギャップを橋渡しする,最初の軽量フレームワークを提案する。我々のフレームワークは、複数の次元の機能を整列する学習可能な機能リサイザと、ドメイン適応のための疎いクロスドメイントランスフォーマーから構成されている。提案手法は, 異なる領域からの特徴のギャップを効果的に埋めることができ, ポイントクラウドベースの3Dオブジェクト検出において, 少なくとも8%以上の精度で他のベースライン法よりも優れる。
論文参考訳（メタデータ） (2022-10-16T05:29:21Z)
Learning Multi-agent Skills for Tabular Reinforcement Learning using Factor Graphs [41.17714498464354]
エージェント間の協調的な探索行動により,マルチエージェントの選択肢を直接計算できることが示唆された。提案アルゴリズムは,マルチエージェントオプションの同定に成功し,シングルエージェントオプションや非オプションを用いることで,従来よりも大幅に性能が向上する。
論文参考訳（メタデータ） (2022-01-20T15:33:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。