論文の概要: Interactive Speculative Planning: Enhance Agent Efficiency through Co-design of System and User Interface

• arxiv url: http://arxiv.org/abs/2410.00079v1
• Date: Mon, 30 Sep 2024 16:52:51 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-05 14:59:58.561310
• Title: Interactive Speculative Planning: Enhance Agent Efficiency through Co-design of System and User Interface
• Title（参考訳）: 対話型投機計画:システムとユーザインタフェースの共設計によるエージェント効率向上
• Authors: Wenyue Hua, Mengting Wan, Shashank Vadrevu, Ryan Nadel, Yongfeng Zhang, Chi Wang,
• Abstract要約: 本稿では,人間中心の効率的なエージェント計画手法である対話型投機計画を提案する。 我々は,システム設計と人間-AIインタラクションの両面からエージェント計画の効率化を目指す。
• 参考スコア（独自算出の注目度）: 38.76937539085164
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agents, as user-centric tools, are increasingly deployed for human task delegation, assisting with a broad spectrum of requests by generating thoughts, engaging with user proxies, and producing action plans. However, agents based on large language models (LLMs) often face substantial planning latency due to two primary factors: the efficiency limitations of the underlying LLMs due to their large size and high demand, and the structural complexity of the agents due to the extensive generation of intermediate thoughts to produce the final output. Given that inefficiency in service provision can undermine the value of automation for users, this paper presents a human-centered efficient agent planning method -- Interactive Speculative Planning -- aiming at enhancing the efficiency of agent planning through both system design and human-AI interaction. Our approach advocates for the co-design of the agent system and user interface, underscoring the importance of an agent system that can fluidly manage user interactions and interruptions. By integrating human interruptions as a fundamental component of the system, we not only make it more user-centric but also expedite the entire process by leveraging human-in-the-loop interactions to provide accurate intermediate steps. Code and data will be released.
• Abstract（参考訳）: エージェントは、ユーザ中心のツールとして、人間のタスクデリゲートにデプロイされ、思考を生成し、ユーザプロキシと関わり、アクションプランを作成することで、幅広いリクエストをアシストする。 しかし、大規模言語モデル(LLM)に基づくエージェントは、大きなサイズと高い要求によるLLMの効率の限界と、最終的な出力を生成するための中間的思考の広範な生成によるエージェントの構造的複雑さの2つの主要な要因により、かなりの計画遅延に直面していることが多い。 サービス提供の非効率性はユーザにとっての自動化の価値を損なう可能性があることを前提として,システム設計と人間とAIの相互作用によるエージェント計画の効率化を目的とした,人間中心の効率的なエージェント計画手法である対話型投機計画を提案する。 我々はエージェントシステムとユーザインタフェースの共同設計を提唱し,ユーザインタラクションと割り込みを流動的に管理できるエージェントシステムの重要性を強調した。 システムの基本的な構成要素として人間の割り込みを統合することで、よりユーザ中心にできるだけでなく、人間とループの相互作用を活用してプロセス全体を高速化し、正確な中間ステップを提供する。 コードとデータはリリースされます。

関連論文リスト

• Communication Learning in Multi-Agent Systems from Graph Modeling Perspective [62.13508281188895]
  本稿では,エージェント間の通信アーキテクチャを学習可能なグラフとして概念化する手法を提案する。 本稿では,各エージェントに対して時間的ゲーティング機構を導入し,ある時間に共有情報を受信するかどうかの動的決定を可能にする。
  論文  参考訳（メタデータ） (2024-11-01T05:56:51Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。 提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• 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)
• Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents [110.25679611755962]
  現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。 Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。 私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
  論文  参考訳（メタデータ） (2024-02-14T14:36:30Z)
• MobileAgent: enhancing mobile control via human-machine interaction and SOP integration [0.0]
  大規模言語モデル(LLM)は、ユーザのためのモバイルデバイス操作を自動化できるようになった。 パーソナライズされたユーザデータに関するプライバシー上の懸念は、モバイル操作中に発生し、ユーザ確認が必要になる。 エージェントと人間間の対話的なタスクを設計し、機密情報を識別し、パーソナライズされたユーザニーズに合わせる。 提案手法は,複数ステップのタスクにまたがる30Kのユニークな命令を含む新しいデバイス制御ベンチマークであるAitWで評価される。
  論文  参考訳（メタデータ） (2024-01-04T03:44:42Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• A Unified Architecture for Dynamic Role Allocation and Collaborative Task Planning in Mixed Human-Robot Teams [0.0]
  任意のサイズの混合ロボットチームにおいて,動的役割割り当てと協調作業計画のための新しいアーキテクチャを提案する。 このアーキテクチャは、動作木(BT)に基づく集中型リアクティブかつモジュール型タスク非依存の計画手法を基盤としている。 MILPコストとして使用されるさまざまなメトリクスにより、アーキテクチャはコラボレーションの様々な側面を好むことができる。
  論文  参考訳（メタデータ） (2023-01-19T12:30:56Z)
• Designing Interaction for Multi-agent Cooperative System in an Office Environment [2.2430284460908605]
  未来のインテリジェントシステムには、モバイルロボット、スマートホームインフラストラクチャ、パーソナルデバイスなど、非常に多様な種類の人工知能が含まれている。 本稿では,知的サイバー物理システム(ICPS)のヒューマンマシンインタフェースの設計と実装について述べる。 ICPS(ICPS)は、作業環境におけるロボットや他のスマートデバイスの多目的協調システムである。
  論文  参考訳（メタデータ） (2020-02-15T17:36:00Z)

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。