論文の概要: ProAgent: From Robotic Process Automation to Agentic Process Automation

• arxiv url: http://arxiv.org/abs/2311.10751v2
• Date: Thu, 23 Nov 2023 12:14:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 02:15:27.047640
• Title: ProAgent: From Robotic Process Automation to Agentic Process Automation
• Title（参考訳）: ProAgent: ロボットプロセス自動化からエージェントプロセス自動化へ
• Authors: Yining Ye, Xin Cong, Shizuo Tian, Jiannan Cao, Hao Wang, Yujia Qin, Yaxi Lu, Heyang Yu, Huadong Wang, Yankai Lin, Zhiyuan Liu, Maosong Sun
• Abstract要約: LLM(Large Language Models)は、人間のような知性を持つ言語である。 本稿では,ALMをベースとしたエージェントを用いた高度な自動化のための基盤的自動化パラダイムであるエージェントプロセス自動化(APA)を紹介する。 そして、人間の指示を駆使し、特殊エージェントの調整によって複雑な決定を下すように設計されたエージェントであるProAgentをインスタンス化する。
• 参考スコア（独自算出の注目度）: 87.0555252338361
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: From ancient water wheels to robotic process automation (RPA), automation technology has evolved throughout history to liberate human beings from arduous tasks. Yet, RPA struggles with tasks needing human-like intelligence, especially in elaborate design of workflow construction and dynamic decision-making in workflow execution. As Large Language Models (LLMs) have emerged human-like intelligence, this paper introduces Agentic Process Automation (APA), a groundbreaking automation paradigm using LLM-based agents for advanced automation by offloading the human labor to agents associated with construction and execution. We then instantiate ProAgent, an LLM-based agent designed to craft workflows from human instructions and make intricate decisions by coordinating specialized agents. Empirical experiments are conducted to detail its construction and execution procedure of workflow, showcasing the feasibility of APA, unveiling the possibility of a new paradigm of automation driven by agents. Our code is public at https://github.com/OpenBMB/ProAgent.
• Abstract（参考訳）: 古代の水車からロボットプロセス自動化(RPA)まで、自動化技術は歴史を通じて進化し、人間を困難な仕事から解放してきた。 しかし、RPAは人間のような知性を必要とするタスク、特にワークフロー構築の精巧な設計とワークフロー実行における動的意思決定に苦慮している。 大規模言語モデル (LLM) が人間のような知性を持つようになったため, 建設・実行に関連するエージェントに人的労働力をオフロードすることで, LLMをベースとしたエージェントによる高度な自動化のための基盤的自動化パラダイムである Agentic Process Automation (APA) を導入する。 そして、人間の指示からワークフローを作り、特殊エージェントを調整することで複雑な決定を下すように設計されたLLMベースのエージェントであるProAgentをインスタンス化する。 ワークフローの構築と実行手順を詳細に説明し、APAの実現可能性を示し、エージェントによって駆動される新しい自動化パラダイムの可能性を明らかにする実証実験を行った。 私たちのコードはhttps://github.com/openbmb/proagent.comで公開しています。

関連論文リスト

• AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML [56.565200973244146]
  自動機械学習(Automated Machine Learning, ML)は、開発パイプライン内のタスクを自動化することによって、AI開発を加速する。 近年の作業では,そのような負担を軽減するために,大規模言語モデル(LLM)の利用が始まっている。 本稿では,フルパイプのAutoMLに適した新しいマルチエージェントフレームワークであるAutoML-Agentを提案する。
  論文  参考訳（メタデータ） (2024-10-03T20:01:09Z)
• AutoFlow: Automated Workflow Generation for Large Language Model Agents [39.72700864347576]
  大規模言語モデル(LLM)は、複雑な自然言語を理解する上で大きな進歩を見せている。 LLMエージェントが与えられたタスクを解決するための効果的で信頼性の高い手順に従うようにするために、手動で設計されるのが通常である。 複雑なタスクを解決するためにエージェントを自動的に生成するフレームワークであるAutoFlowを提案する。
  論文  参考訳（メタデータ） (2024-07-01T21:05:02Z)
• EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
  EvoAgentは進化的アルゴリズムによって専門家エージェントをマルチエージェントシステムに自動的に拡張する汎用的な手法である。 EvoAgentは複数の専門家エージェントを自動生成し,LLMエージェントのタスク解決能力を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2024-06-20T11:49:23Z)
• SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering [79.07755560048388]
  SWEエージェント(SWE-agent)は、LMエージェントが自律的にコンピュータを使用してソフトウェア工学のタスクを解決するシステムである。 SWEエージェントのカスタムエージェントコンピュータインタフェース(ACI)は、エージェントがコードファイルを作成し編集し、リポジトリ全体をナビゲートし、テストやその他のプログラムを実行する能力を著しく向上させる。 我々はSWE-benchとHumanEvalFixのSWE-agentを評価し、それぞれ12.5%と87.7%のパス@1レートで最先端の性能を実現した。
  論文  参考訳（メタデータ） (2024-05-06T17:41:33Z)
• A Roadmap Towards Automated and Regulated Robotic Systems [4.6015001632772545]
  我々は、AIの非規制生成プロセスが低レベルのタスクに適合していると主張している。 完全自動化・制御されたロボットシステムを実現するためのロードマップを提案する。
  論文  参考訳（メタデータ） (2024-03-21T00:14:53Z)
• The Foundations of Computational Management: A Systematic Approach to Task Automation for the Integration of Artificial Intelligence into Existing Workflows [55.2480439325792]
  本稿では,タスク自動化の体系的アプローチである計算管理を紹介する。 この記事では、ワークフロー内でAIを実装するプロセスを開始するための、ステップバイステップの手順を3つ紹介する。
  論文  参考訳（メタデータ） (2024-02-07T01:45:14Z)
• TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
  タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。 具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。 提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
  論文  参考訳（メタデータ） (2023-11-30T18:02:44Z)
• A Conversational Digital Assistant for Intelligent Process Automation [7.446834742371106]
  我々は対話型デジタルアシスタントという形で対話型自動化を探求する。 ビジネスユーザは自然言語を使って、自動化ソリューションと対話し、カスタマイズできる。 提案手法がローン承認事業プロセスと旅行事前承認事業プロセスに与える影響を実証する。
  論文  参考訳（メタデータ） (2020-07-27T00:38:13Z)
• Towards Intelligent Robotic Process Automation for BPMers [0.8701566919381222]
  Robotic Process Automation(RPA)は、ビジネスプロセスマネジメント(BPM)と人工知能(AI)の両分野にまたがる、急速に進化する自動化技術である。 RPAツールは、コンピュータシステムのインタフェース上で、これまで人間のユーザが行っていたルーチンの実行をキャプチャし、ソフトウェアロボットを用いて、その実行をユーザの代わりにエミュレートすることができる。
  論文  参考訳（メタデータ） (2020-01-03T12:37:52Z)

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。