論文の概要: Self-Adaptive Large Language Model (LLM)-Based Multiagent Systems
- arxiv url: http://arxiv.org/abs/2307.06187v1
- Date: Wed, 12 Jul 2023 14:26:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-13 12:53:10.322967
- Title: Self-Adaptive Large Language Model (LLM)-Based Multiagent Systems
- Title(参考訳): 自己適応型大言語モデル(LLM)に基づくマルチエージェントシステム
- Authors: Nathalia Nascimento, Paulo Alencar, Donald Cowan
- Abstract要約: 本稿では,大規模言語モデル(LLM)をマルチエージェントシステムに統合することを提案する。
我々は、モニタリング、分析、計画、システム適応の実行において堅牢なサポートで有名であるMAPE-Kモデルに、我々の方法論を固定する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In autonomic computing, self-adaptation has been proposed as a fundamental
paradigm to manage the complexity of multiagent systems (MASs). This achieved
by extending a system with support to monitor and adapt itself to achieve
specific concerns of interest. Communication in these systems is key given that
in scenarios involving agent interaction, it enhances cooperation and reduces
coordination challenges by enabling direct, clear information exchange.
However, improving the expressiveness of the interaction communication with
MASs is not without challenges. In this sense, the interplay between
self-adaptive systems and effective communication is crucial for future MAS
advancements. In this paper, we propose the integration of large language
models (LLMs) such as GPT-based technologies into multiagent systems. We anchor
our methodology on the MAPE-K model, which is renowned for its robust support
in monitoring, analyzing, planning, and executing system adaptations in
response to dynamic environments. We also present a practical illustration of
the proposed approach, in which we implement and assess a basic MAS-based
application. The approach significantly advances the state-of-the-art of
self-adaptive systems by proposing a new paradigm for MAS self-adaptation of
autonomous systems based on LLM capabilities.
- Abstract(参考訳): オートノミックコンピューティングでは、マルチエージェントシステム(mass)の複雑性を管理する基本的なパラダイムとして自己適応が提案されている。
これは、特定の関心事を達成するために、監視と適応をサポートするシステムを拡張することで達成される。
これらのシステムにおけるコミュニケーションは、エージェントのインタラクションを含むシナリオにおいて、直接的かつ明確な情報交換を可能にすることで協調性を高め、協調の課題を低減することが鍵となる。
しかし,マスとのインタラクションコミュニケーションの表現力の向上には課題がない。
この意味では、自己適応システムと効果的なコミュニケーションの相互作用は、将来のMASの発展に不可欠である。
本稿では,GPT技術などの大規模言語モデル(LLM)をマルチエージェントシステムに統合することを提案する。
動的環境に応答するシステム適応のモニタリング,分析,計画,実行において堅牢なサポートで有名であるMAPE-Kモデルに,我々の方法論を定着させる。
また,提案手法の実践的な例を示し,基礎的なMASベースのアプリケーションの実装と評価を行う。
このアプローチは、LLM能力に基づく自律システムのMAS自己適応のための新しいパラダイムを提案することにより、自己適応システムの最先端性を著しく向上させる。
関連論文リスト
- Position: Towards a Responsible LLM-empowered Multi-Agent Systems [22.905804138387854]
Agent AIとLarge Language Model-powered Multi-Agent Systems (LLM-MAS)の台頭は、責任と信頼性のあるシステム操作の必要性を浮き彫りにした。
LLMエージェントは固有の予測不能を示し、出力の不確実性は複雑になり、システムの安定性を脅かす。
これらのリスクに対処するためには、アクティブな動的モデレーションを備えた人間中心の設計アプローチが不可欠である。
論文 参考訳(メタデータ) (2025-02-03T16:04:30Z) - Leveraging LLMs for Dynamic IoT Systems Generation through Mixed-Initiative Interaction [0.791663505497707]
IoTシステムは、ユーザニーズに適応する上で、課題に直面します。
IoT-Togetherパラダイムは、Mixed-Initiative Interaction(MII)パラダイムを通じて、この要求を満たすことを目指している。
この作業は、大規模言語モデル(LLM)をアーキテクチャに統合することで、IoT-Togetherを前進させる。
論文 参考訳(メタデータ) (2025-02-02T06:21:49Z) - AQA: Adaptive Question Answering in a Society of LLMs via Contextual Multi-Armed Bandit [59.10281630985958]
質問応答(QA)では、異なる質問を異なる回答戦略で効果的に扱うことができる。
本稿では,各質問に対して最適なQA戦略を適応的に選択する動的手法を提案する。
提案手法は,複数のモジュールを持つQAシステムの適応的オーケストレーションに有効であることを示す。
論文 参考訳(メタデータ) (2024-09-20T12:28:18Z) - Semantic Communication for Cooperative Perception using HARQ [51.148203799109304]
我々は重要セマンティック情報を抽出するために重要地図を活用し、協調的な知覚セマンティックコミュニケーションフレームワークを導入する。
周波数分割多重化(OFDM)とチャネル推定と等化戦略を併用して,時間変化によるマルチパスフェーディングによる課題に対処する。
我々は,ハイブリッド自動繰り返し要求(HARQ)の精神において,我々の意味コミュニケーションフレームワークと統合された新しい意味エラー検出手法を提案する。
論文 参考訳(メタデータ) (2024-08-29T08:53:26Z) - Large Language Model as a Catalyst: A Paradigm Shift in Base Station Siting Optimization [62.16747639440893]
大規模言語モデル(LLM)とその関連技術は、特に迅速な工学とエージェント工学の領域において進歩している。
提案するフレームワークは、検索拡張生成(RAG)を組み込んで、ドメイン固有の知識を取得してソリューションを生成するシステムの能力を高める。
論文 参考訳(メタデータ) (2024-08-07T08:43:32Z) - Enhancing Holonic Architecture with Natural Language Processing for System of Systems [3.521544134339964]
本稿では,システム・オブ・システム(SoS)におけるホロトン通信を強化するための革新的なアプローチを提案する。
提案手法は,CGI,特にLarge Language Models (LLMs) の進歩を活用して,ホロンは自然言語命令を理解し,動作させることができる。
これにより、より直感的な人間-ホロンの相互作用が促進され、社会的知性が改善され、最終的には多様なシステム間の協調性が向上する。
論文 参考訳(メタデータ) (2024-05-08T18:47:52Z) - Organizing a Society of Language Models: Structures and Mechanisms for Enhanced Collective Intelligence [0.0]
本稿では,大規模言語モデルからコミュニティ構造への変換手法を提案する。
協力型AIシステムに特有のメリットと課題を提示する,階層的,フラット,ダイナミック,フェデレートされたさまざまな組織モデルについて検討する。
このようなコミュニティの実装は、AIにおける問題解決能力を改善するための大きな約束を持っている。
論文 参考訳(メタデータ) (2024-05-06T20:15:45Z) - Generative AI Agents with Large Language Model for Satellite Networks via a Mixture of Experts Transmission [74.10928850232717]
本稿では、モデル定式化のための生成人工知能(AI)エージェントを開発し、送信戦略の設計に専門家(MoE)の混合を適用した。
具体的には,大規模言語モデル(LLM)を活用して対話型モデリングパラダイムを構築する。
定式化問題の解法として, MoE-proximal Policy Optimization (PPO) アプローチを提案する。
論文 参考訳(メタデータ) (2024-04-14T03:44:54Z) - MMA-DFER: MultiModal Adaptation of unimodal models for Dynamic Facial Expression Recognition in-the-wild [81.32127423981426]
実世界のアプリケーションでは,音声およびビデオデータに基づくマルチモーダル感情認識が重要である。
近年の手法は、強力なマルチモーダルエンコーダの事前学習に自己教師付き学習(SSL)の進歩を活用することに重点を置いている。
SSL-pre-trained disimodal encoders を用いて,この問題に対する異なる視点とマルチモーダル DFER の性能向上について検討する。
論文 参考訳(メタデータ) (2024-04-13T13:39:26Z) - CMAT: A Multi-Agent Collaboration Tuning Framework for Enhancing Small Language Models [8.123272461141815]
厳密にキュレートされた高品質データセットに基づいてトレーニングされたTinyAgentモデルを紹介する。
また,言語エージェントの能力向上を目的とした革新的システムであるCMAT(Collaborative Multi-Agent Tuning)フレームワークを提案する。
本研究では,マルチエージェントシステムと環境フィードバック機構を統合した新しいコミュニケーションエージェントフレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-02T06:07:35Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。