Fugu-MT 論文翻訳(概要): From Intelligent Agents to Trustworthy Human-Centred Multiagent Systems

論文の概要: From Intelligent Agents to Trustworthy Human-Centred Multiagent Systems

arxiv url: http://arxiv.org/abs/2210.02260v1
Date: Wed, 5 Oct 2022 13:40:38 GMT
ステータス: 翻訳完了
システム内更新日: 2022-10-06 14:44:30.825492
Title: From Intelligent Agents to Trustworthy Human-Centred Multiagent Systems
Title（参考訳）: 知的エージェントから信頼できる人間中心マルチエージェントシステムへ
Authors: Mohammad Divband Soorati, Enrico H. Gerding, Enrico Marchioni, Pavel Naumov, Timothy J. Norman, Sarvapali D. Ramchurn, Bahar Rastegari, Adam Sobey, Sebastian Stein, Danesh Tarpore, Vahid Yazdanpanah, Jie Zhang
Abstract要約: サウサンプトン大学のエージェント・インタラクション・複雑度研究グループには、マルチエージェントシステム(MAS)の研究の長い実績がある。我々は、このグループによって達成された重要な成果を強調し、信頼に足る自律システムを開発し、社会的善をサポートすることを目的とした人間中心のAIシステムを展開するための最近の研究とオープンな研究課題について詳述する。
参考スコア（独自算出の注目度）: 32.13503855910301
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Agents, Interaction and Complexity research group at the University of Southampton has a long track record of research in multiagent systems (MAS). We have made substantial scientific contributions across learning in MAS, game-theoretic techniques for coordinating agent systems, and formal methods for representation and reasoning. We highlight key results achieved by the group and elaborate on recent work and open research challenges in developing trustworthy autonomous systems and deploying human-centred AI systems that aim to support societal good.
Abstract（参考訳）: サウサンプトン大学のエージェント・インタラクション・複雑度研究グループ(Agens, Interaction and Complexity Research Group)は、マルチエージェントシステム(MAS)の研究の長い実績を持っている。 masの学習、エージェントシステムのコーディネートのためのゲーム理論技術、表現と推論のための形式的手法にまたがる科学的な貢献を行いました。我々は、このグループによって達成された重要な成果を強調し、信頼に足る自律システムを開発し、社会的善をサポートすることを目的とした人間中心のAIシステムを展開するための最近の研究とオープンな研究課題について詳述する。

関連論文リスト

From LLM Reasoning to Autonomous AI Agents: A Comprehensive Review [1.4929298667651645]
大規模言語モデルと自律型AIエージェントを評価するベンチマークを2019年から2025年にかけて開発した。本稿では,知識推論,数学的問題解決,コード生成とソフトウェア工学,事実的根拠と検索,ドメイン固有評価,マルチモーダルおよび具体的タスク,タスクオーケストレーション,インタラクティブアセスメントを対象とする約60のベンチマークの分類法を提案する。我々は、材料科学、バイオメディカルリサーチ、学術思想、ソフトウェア工学、合成データ生成、数学的問題解決、地理情報システム、マルチメディア、医療、金融における自律型AIエージェントの現実的な応用を提示する。
論文参考訳（メタデータ） (2025-04-28T11:08:22Z)
Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [133.45145180645537]
大規模言語モデル(LLM)の出現は、人工知能の変革的シフトを触媒している。これらのエージェントがAI研究と実践的応用をますます推進するにつれて、その設計、評価、継続的な改善は複雑で多面的な課題を呈している。この調査は、モジュール化された脳にインスパイアされたアーキテクチャ内でインテリジェントエージェントをフレーミングする、包括的な概要を提供する。
論文参考訳（メタデータ） (2025-03-31T18:00:29Z)
Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文参考訳（メタデータ） (2025-03-27T12:50:17Z)
Multi-Agent Collaboration Mechanisms: A Survey of LLMs [6.545098975181273]
マルチエージェントシステム(Multi-Agent Systems、MAS)は、知的エージェントのグループによる複雑なタスクの協調と解決を可能にする。この研究は、MASの協調的な側面に関する広範な調査を提供し、将来の研究を導くための枠組みを紹介している。
論文参考訳（メタデータ） (2025-01-10T19:56:50Z)
Collaborative Gym: A Framework for Enabling and Evaluating Human-Agent Collaboration [51.452664740963066]
Collaborative Gymは、エージェント、人間、タスク環境間の非同期で三分割的なインタラクションを可能にするフレームワークである。シミュレーション条件と実環境条件の両方において,Co-Gymを3つの代表的なタスクでインスタンス化する。その結果、協調作業員はタスクパフォーマンスにおいて、完全に自律的なエージェントよりも一貫して優れていたことが判明した。
論文参考訳（メタデータ） (2024-12-20T09:21:15Z)
Two Heads Are Better Than One: A Multi-Agent System Has the Potential to Improve Scientific Idea Generation [48.29699224989952]
VirSciは研究のアイデアを共同で生成し、評価し、洗練するエージェントのチームを組織している。このマルチエージェントアプローチは、新規で影響力のある科学的アイデアを生み出す上で、最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2024-10-12T07:16:22Z)
SurveyAgent: A Conversational System for Personalized and Efficient Research Survey [50.04283471107001]
本稿では,研究者にパーソナライズされた効率的な調査支援を目的とした会話システムであるSurveyAgentを紹介する。 SurveyAgentは3つの重要なモジュールを統合している。文書を整理するための知識管理、関連する文献を発見するための勧告、より深いレベルでコンテンツを扱うためのクエリ回答だ。本評価は,研究活動の合理化におけるSurveyAgentの有効性を実証し,研究者の科学文献との交流を促進する能力を示すものである。
論文参考訳（メタデータ） (2024-04-09T15:01:51Z)
Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文参考訳（メタデータ） (2024-02-28T16:09:56Z)
A Survey on Context-Aware Multi-Agent Systems: Techniques, Challenges and Future Directions [1.1458366773578277]
自律型エージェントに対する研究の関心が高まっている。課題は、これらのエージェントが動的環境における不確実性を学び、推論し、ナビゲートできるようにすることである。コンテキスト認識は、マルチエージェントシステムの強化において重要な要素として現れる。
論文参考訳（メタデータ） (2024-02-03T00:27:22Z)
The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされるまず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文参考訳（メタデータ） (2023-09-14T17:12:03Z)
ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
論文参考訳（メタデータ） (2023-08-22T10:36:56Z)
Developing, Evaluating and Scaling Learning Agents in Multi-Agent Environments [38.16072318606355]
DeepMindのGame Theory & Multi-Agentチームは、マルチエージェント学習のいくつかの側面を研究している。私たちのグループの重要な目的は、DeepMindのリソースと専門知識を深層強化学習に活用することにあります。
論文参考訳（メタデータ） (2022-09-22T12:28:29Z)
A Survey on Large-Population Systems and Scalable Multi-Agent Reinforcement Learning [18.918558716102144]
我々は、大規模人口システムを理解し分析するための現在のアプローチに光を当てる。我々は,大規模制御の応用の可能性を調査し,実践システムにおける学習アルゴリズムの有能な将来的応用について検討する。
論文参考訳（メタデータ） (2022-09-08T14:58:50Z)
Deep Reinforcement Learning for Multi-Agent Interaction [14.532965827043254]
自律エージェント研究グループは、自律システム制御のための新しい機械学習アルゴリズムを開発した。本稿では,現在進行中の研究ポートフォリオの概要を概説するとともに,今後の課題について論じる。
論文参考訳（メタデータ） (2022-08-02T21:55:56Z)

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。