論文の概要: Building the Future of Responsible AI: A Pattern-Oriented Reference
Architecture for Designing Large Language Model based Agents
- arxiv url: http://arxiv.org/abs/2311.13148v1
- Date: Wed, 22 Nov 2023 04:21:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-23 16:22:29.573038
- Title: Building the Future of Responsible AI: A Pattern-Oriented Reference
Architecture for Designing Large Language Model based Agents
- Title(参考訳): 責任あるaiの未来の構築: 大きな言語モデルに基づくエージェントを設計するためのパターン指向参照アーキテクチャ
- Authors: Qinghua Lu, Liming Zhu, Xiwei Xu, Zhenchang Xing, Stefan Harrer, Jon
Whittle
- Abstract要約: 大規模言語モデル(LLM)は、トランスフォーメーション技術として広く認識されている。
本稿では,アーキテクチャ設計ガイドラインとして機能するパターン指向参照アーキテクチャを提案する。
2つの実世界のエージェントのアーキテクチャにマッピングすることで,提案する参照アーキテクチャの完全性と有用性を評価する。
- 参考スコア(独自算出の注目度): 30.099968752186758
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language models (LLMs) have been widely recognized as transformative
technology due to their capabilities to understand and generate natural
language text, including plans with some limited reasoning capabilities.
LLM-based agents derive their autonomy from the capabilities of LLMs, which
enable them to autonomously break down the given goal into a set of manageable
tasks and orchestrate the task execution to fulfill the goal. Despite the huge
efforts put into building LLM-based autonomous agents, the architecture design
of the agents has not yet been systematically explored. Also, while there are
significant benefits of using autonomous agents for planning and execution,
there are serious considerations regarding responsible AI related software
quality attributes, such as security and accountability. Therefore, this paper
presents a pattern-oriented reference architecture that serves as architecture
design guidelines and enables responsible-AI-by-design when designing LLM-based
autonomous agents. We evaluate the completeness and utility of the proposed
reference architecture by mapping it to the architecture of two real-world
agents.
- Abstract(参考訳): 大規模言語モデル(LLM)は、自然言語テキストの理解と生成能力から、限られた推論能力を持つ計画を含む変換技術として広く認識されている。
LLMベースのエージェントは、LLMの能力から自主性を導き、与えられた目標を自律的に管理可能なタスクのセットに分解し、目標を達成するためにタスク実行を編成することを可能にする。
llmベースの自律エージェント構築への多大な努力にもかかわらず、エージェントのアーキテクチャ設計はまだ体系的に検討されていない。
また、自律エージェントを計画と実行に使用するという大きなメリットもあるが、セキュリティや説明責任など、AI関連のソフトウェア品質特性の責任については、深刻な考慮がある。
そこで本稿では,LLMに基づく自律エージェントの設計において,アーキテクチャ設計ガイドラインとして機能するパターン指向参照アーキテクチャを提案する。
2つの実世界のエージェントのアーキテクチャにマッピングすることで,提案する参照アーキテクチャの完全性と有用性を評価する。
関連論文リスト
- The Landscape of Emerging AI Agent Architectures for Reasoning, Planning, and Tool Calling: A Survey [0.0]
本稿では,AIエージェントの実装の最近の進歩について考察する。
推論、計画、ツールの実行能力の強化を必要とする複雑な目標を達成する能力に重点を置いている。
論文 参考訳(メタデータ) (2024-04-17T17:32:41Z) - From Requirements to Architecture: An AI-Based Journey to
Semi-Automatically Generate Software Architectures [2.4150871564195007]
本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。
さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
論文 参考訳(メタデータ) (2024-01-25T10:56:58Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳(メタデータ) (2023-12-22T17:57:57Z) - Serving Deep Learning Model in Relational Databases [72.72372281808694]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL-Centricアーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF-Centricアーキテクチャは、データベースシステム内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
potentialRelation-Centricアーキテクチャは、演算子による大規模テンソル計算を表現することを目的としている。
論文 参考訳(メタデータ) (2023-10-07T06:01:35Z) - Conceptual Framework for Autonomous Cognitive Entities [0.9285295512807729]
本稿では,認知アーキテクチャの新しいフレームワークである自律認知エンティティモデルを紹介する。
このモデルは、大規模言語モデル(LLM)やマルチモーダル生成モデル(MMM)など、最新の生成AI技術の能力を活用するように設計されている。
ACEフレームワークには、障害の処理とアクションの適応のためのメカニズムも組み込まれているため、自律エージェントの堅牢性と柔軟性が向上する。
論文 参考訳(メタデータ) (2023-10-03T15:53:55Z) - Towards Responsible AI in the Era of Generative AI: A Reference
Architecture for Designing Foundation Model based Systems [30.926608852387957]
ファンデーションモデルが将来のAIシステムの基本的なビルディングブロックになる、という広いコンセンサスがある。
ファンデーションモデルの急速に成長する能力は、最終的にはAIシステムの他のコンポーネントを吸収することができる。
基礎モデルをAIシステムに組み込むことは、責任あるAIに関する重要な懸念を提起する。
本稿では,基礎モデルに基づくシステム設計のためのパターン指向参照アーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-04-13T05:01:03Z) - Kernel Based Cognitive Architecture for Autonomous Agents [91.3755431537592]
本稿では,認知機能構築への進化的アプローチについて考察する。
本稿では,シンボル創発問題に基づくエージェントの進化を保証する認知アーキテクチャについて考察する。
論文 参考訳(メタデータ) (2022-07-02T12:41:32Z) - Policy Architectures for Compositional Generalization in Control [71.61675703776628]
本稿では,タスクにおけるエンティティベースの構成構造をモデル化するためのフレームワークを提案する。
私たちのポリシーは柔軟で、アクションプリミティブを必要とせずにエンドツーエンドでトレーニングできます。
論文 参考訳(メタデータ) (2022-03-10T06:44:24Z) - On the Opportunities and Risks of Foundation Models [256.61956234436553]
これらのモデルの基礎モデルは、批判的に中心的だが不完全な性格を根底から立証するものです。
本報告では,基礎モデルの可能性とリスクについて概説する。
これらの疑問に対処するためには、基礎モデルに関する重要な研究の多くは、深い学際的なコラボレーションが必要であると信じている。
論文 参考訳(メタデータ) (2021-08-16T17:50:08Z) - A Consciousness-Inspired Planning Agent for Model-Based Reinforcement
Learning [104.3643447579578]
本稿では、その状態の関連部分に動的に対応できるエンドツーエンドのモデルベース深層強化学習エージェントを提案する。
この設計により、エージェントは関連するオブジェクトに参画することで効果的に計画を学ぶことができ、配布外一般化がより良くなる。
論文 参考訳(メタデータ) (2021-06-03T19:35:19Z) - STARdom: an architecture for trusted and secure human-centered
manufacturing systems [4.093985503448998]
予測と説明可能な人工知能を統合し,ユーザのフィードバック収集をサポートし,アクティブラーニングとシミュレート現実を用いて予測を強化するアーキテクチャを提案する。
需要予測の領域向けに調整し、実世界のケーススタディで検証します。
論文 参考訳(メタデータ) (2021-04-02T11:00:20Z)
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。