論文の概要: Position Paper: Towards Open Complex Human-AI Agents Collaboration System for Problem-Solving and Knowledge Management
- arxiv url: http://arxiv.org/abs/2505.00018v1
- Date: Thu, 24 Apr 2025 05:57:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:55.095567
- Title: Position Paper: Towards Open Complex Human-AI Agents Collaboration System for Problem-Solving and Knowledge Management
- Title（参考訳）: ポジションペーパー:問題解決・知識管理のためのオープン・コンプレックス・ヒューマン・AIエージェント連携システムを目指して
- Authors: Ju Wu, Calvin K. L. Or,
- Abstract要約: 本稿では,人間とAIエージェントのコラボレーションに関する最近の実証研究の幅広い範囲を批判的に調査する。
本稿では,マルチエージェント協調,知識管理,サイバネティックフィードバックループ,高レベル制御機構の技術的詳細を体系的に相互接続する新しい概念アーキテクチャを提案する。
- 参考スコア（独自算出の注目度）: 0.48342038441006807
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This position paper critically surveys a broad spectrum of recent empirical developments on human-AI agents collaboration, highlighting both their technical achievements and persistent gaps. We observe a lack of a unifying theoretical framework that can coherently integrate these varied studies, especially when tackling open-ended, complex tasks. To address this, we propose a novel conceptual architecture: one that systematically interlinks the technical details of multi-agent coordination, knowledge management, cybernetic feedback loops, and higher-level control mechanisms. By mapping existing contributions, from symbolic AI techniques and connectionist LLM-based agents to hybrid organizational practices, onto this proposed framework (Hierarchical Exploration-Exploitation Net), our approach facilitates revision of legacy methods and inspires new work that fuses qualitative and quantitative paradigms. The paper's structure allows it to be read from any section, serving equally as a critical review of technical implementations and as a forward-looking reference for designing or extending human-AI symbioses. Together, these insights offer a stepping stone toward deeper co-evolution of human cognition and AI capability.
- Abstract（参考訳）: このポジションペーパーは、人間とAIエージェントのコラボレーションにおける最近の経験的発展の幅広い範囲を批判的に調査し、その技術的成果と持続的ギャップの両方を強調している。
オープンエンドの複雑なタスクに取り組む際に、これらの様々な研究を一貫性を持って統合できる統一理論の枠組みが欠如しているのを観察する。
そこで本研究では,マルチエージェント協調,知識管理,サイバネティックフィードバックループ,高レベル制御機構の技術的詳細を体系的に相互接続する,新しい概念アーキテクチャを提案する。
シンボリックAI技術やLLMベースのエージェントからハイブリッド組織プラクティスへの既存のコントリビューションを、この提案されたフレームワーク(階層的探索-探索ネット)にマッピングすることで、レガシーメソッドの修正を促進し、質的および定量的パラダイムを融合する新たな作業を促します。
論文の構造はあらゆるセクションから読み取ることができ、技術的実装の批判的なレビューや、人間-AIシンビオースの設計や拡張のための前方参照としても機能する。
これらの洞察は、人間の認知とAI能力のより深い共進化に向けた一歩となる。
関連論文リスト
- Advancing Multi-Agent Systems Through Model Context Protocol: Architecture, Implementation, and Applications [0.0]
本稿では,モデルコンテキストプロトコル(MCP)によるマルチエージェントシステムの進化のための包括的フレームワークを提案する。
我々は、統合理論基盤、高度なコンテキスト管理技術、スケーラブルな調整パターンを開発することで、AIエージェントアーキテクチャに関するこれまでの研究を拡張した。
私たちは、現在の制限、新たな研究機会、そして業界全体にわたる潜在的な変革的応用を特定します。
論文 参考訳（メタデータ） (2025-04-26T03:43:03Z) - Synergizing RAG and Reasoning: A Systematic Review [8.842022673771147]
大規模言語モデル(LLM)の最近のブレークスルーは、レトリーバル強化世代(RAG)を前例のないレベルまで押し上げている。
本稿では,RAGと推論の協調的相互作用を体系的に検討する。
論文 参考訳（メタデータ） (2025-04-22T13:55:13Z) - A Survey of Frontiers in LLM Reasoning: Inference Scaling, Learning to Reason, and Agentic Systems [93.8285345915925]
推論(Reasoning)は、論理的推論、問題解決、意思決定を可能にする基本的な認知プロセスである。
大規模言語モデル(LLM)の急速な進歩により、推論は高度なAIシステムを区別する重要な能力として浮上した。
我々は,(1)推論が達成される段階を定義するレジーム,(2)推論プロセスに関与するコンポーネントを決定するアーキテクチャの2つの側面に沿って既存の手法を分類する。
論文 参考訳（メタデータ） (2025-04-12T01:27:49Z) - 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) - AI-Enabled Knowledge Sharing for Enhanced Collaboration and Decision-Making in Non-Profit Healthcare Organizations: A Scoping Review Protocol [0.0]
このプロトコルは、非営利医療組織におけるAIによる知識共有に関する既存の証拠を体系的にマッピングするために設計されたスコープレビューの概要である。
本研究の目的は、特にUSAID運用中止後の外部支援の削減という文脈において、このような技術が協調と意思決定をいかに促進するかを検討することである。
論文 参考訳（メタデータ） (2025-03-10T17:09:12Z) - Coding for Intelligence from the Perspective of Category [66.14012258680992]
符号化の対象はデータの圧縮と再構成、インテリジェンスである。
最近の傾向は、これらの2つの分野の潜在的均一性を示している。
本稿では,カテゴリ理論の観点から,インテリジェンスのためのコーディングの新たな問題を提案する。
論文 参考訳（メタデータ） (2024-07-01T07:05:44Z) - Deconstructing Human-AI Collaboration: Agency, Interaction, and Adaptation [9.36651659099834]
我々は,人間-AIシステムの解析と記述を行うための,新しい統合された次元セットを提案する。
我々の概念モデルは、エージェンシー、インタラクション、適応の3つのハイレベルな側面を中心としています。
論文 参考訳（メタデータ） (2024-04-18T10:12:18Z) - A Survey on Knowledge Distillation of Large Language Models [99.11900233108487]
知識蒸留(KD)は、高度な能力をオープンソースモデルに転送するための重要な方法論である。
本稿では,大規模言語モデル(LLM)の領域におけるKDの役割を包括的に調査する。
論文 参考訳（メタデータ） (2024-02-20T16:17:37Z) - The Participatory Turn in AI Design: Theoretical Foundations and the
Current State of Practice [64.29355073494125]
本稿は、既存の理論文献を合成して、AI設計における「参加的転換」を掘り下げることを目的としている。
我々は、最近発表された研究および12人のAI研究者および実践者に対する半構造化インタビューの分析に基づいて、AI設計における参加実践の現状に関する実証的な知見を述べる。
論文 参考訳（メタデータ） (2023-10-02T05:30:42Z) - Investigating Bi-Level Optimization for Learning and Vision from a
Unified Perspective: A Survey and Beyond [114.39616146985001]
機械学習やコンピュータビジョンの分野では、モチベーションやメカニズムが異なるにもかかわらず、複雑な問題の多くは、一連の密接に関連するサブプロトコルを含んでいる。
本稿では,BLO(Bi-Level Optimization)の観点から,これらの複雑な学習と視覚問題を一様に表現する。
次に、値関数に基づく単一レベル再構成を構築し、主流勾配に基づくBLO手法を理解し、定式化するための統一的なアルゴリズムフレームワークを確立する。
論文 参考訳（メタデータ） (2021-01-27T16:20:23Z)
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。