論文の概要: Facilitating Trustworthy Human-Agent Collaboration in LLM-based Multi-Agent System oriented Software Engineering

• arxiv url: http://arxiv.org/abs/2505.04251v1
• Date: Wed, 07 May 2025 08:55:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.01684
• Title: Facilitating Trustworthy Human-Agent Collaboration in LLM-based Multi-Agent System oriented Software Engineering
• Title（参考訳）: LLMに基づくマルチエージェントシステム指向ソフトウェア工学における信頼性の高い人間-エージェント協調の実現
• Authors: Krishna Ronanki,
• Abstract要約: マルチエージェント自律システム(MAS)は、単一の自律エージェントよりも複数のドメインにまたがる課題に対処する上で優れている。 ソフトウェア工学(SE)におけるMASに関する最先端の研究は、LMAシステムを構築するための自律エージェントのコアにLLMを統合することに焦点を当てている。 主な課題の1つは、人間とLMAシステム間のタスクを信頼できる方法で戦略的に割り当てることである。 RACIベースのフレームワークは、実装ガイドラインとフレームワークのサンプル実装とともに、現在進行中の論文で提案されている。
• 参考スコア（独自算出の注目度）: 3.8073142980733
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Multi-agent autonomous systems (MAS) are better at addressing challenges that spans across multiple domains than singular autonomous agents. This holds true within the field of software engineering (SE) as well. The state-of-the-art research on MAS within SE focuses on integrating LLMs at the core of autonomous agents to create LLM-based multi-agent autonomous (LMA) systems. However, the introduction of LMA systems into SE brings a plethora of challenges. One of the major challenges is the strategic allocation of tasks between humans and the LMA system in a trustworthy manner. To address this challenge, a RACI-based framework is proposed in this work in progress article, along with implementation guidelines and an example implementation of the framework. The proposed framework can facilitate efficient collaboration, ensure accountability, and mitigate potential risks associated with LLM-driven automation while aligning with the Trustworthy AI guidelines. The future steps for this work delineating the planned empirical validation method are also presented.
• Abstract（参考訳）: マルチエージェント自律システム(MAS)は、単一の自律エージェントよりも複数のドメインにまたがる課題に対処する上で優れている。 これは、ソフトウェアエンジニアリング(SE)の分野にも当てはまります。 SE内のMASに関する最先端の研究は、LLMを自律エージェントのコアに統合し、LLMベースのマルチエージェント自律(LMA)システムを構築することに焦点を当てている。 しかし、SEにLMAシステムを導入することは、多くの課題をもたらす。 主な課題の1つは、人間とLMAシステム間のタスクを信頼できる方法で戦略的に割り当てることである。 この課題に対処するために、RACIベースのフレームワークが、実装ガイドラインとフレームワークのサンプル実装とともに、現在進行中の記事で提案されている。 提案したフレームワークは、効率的なコラボレーションの促進、説明責任の確保、LLM駆動自動化に関連する潜在的なリスクの軽減、そしてTrustworthy AIガイドラインの遵守を可能にする。 また,本研究の今後のステップとして,計画された実証検証手法について述べる。

関連論文リスト

• A Trustworthy Multi-LLM Network: Challenges,Solutions, and A Use Case [59.58213261128626]
  複数の大規模言語モデル(LLM)を信頼性のあるマルチLLMネットワーク(MultiLLMN)に接続するブロックチェーン対応協調フレームワークを提案する。 このアーキテクチャは、複雑なネットワーク最適化問題に対する最も信頼性が高く高品質な応答の協調評価と選択を可能にする。
  論文  参考訳（メタデータ） (2025-05-06T05:32:46Z)
• When One LLM Drools, Multi-LLM Collaboration Rules [98.71562711695991]
  私たちは、データ、スキル、人々の幅広い多様性を表現するために、マルチLLMコラボレーションを議論しています。 既存のマルチLLM協調手法を,アクセスレベルと情報交換レベルに基づいて階層構造に整理する。 コンポジションインテリジェンスとコラボレーティブAI開発への不可欠な道として,マルチLLMコラボレーションを構想する。
  論文  参考訳（メタデータ） (2025-02-06T21:13:44Z)
• Optimizing Collaboration of LLM based Agents for Finite Element Analysis [1.5039745292757671]
  本稿では,Large Language Models (LLM) 内の複数のエージェント間の相互作用について,プログラミングおよびコーディングタスクの文脈で検討する。 我々はAutoGenフレームワークを利用してエージェント間の通信を容易にし、各セットアップの40のランダムランからの成功率に基づいて異なる構成を評価する。
  論文  参考訳（メタデータ） (2024-08-23T23:11:08Z)
• LLM-Based Multi-Agent Systems for Software Engineering: Literature Review, Vision and the Road Ahead [14.834072370183106]
  本稿では,LMA(Multi-Agent)システムへのLarge Language Modelの統合の可能性について検討する。 複数のエージェントの協調的かつ専門的な能力を活用することで、LMAシステムは自律的な問題解決を可能にし、堅牢性を改善し、現実世界のソフトウェアプロジェクトの複雑さを管理するスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-04-07T07:05:40Z)
• Large Multimodal Agents: A Survey [78.81459893884737]
  大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。 LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。 本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
  論文  参考訳（メタデータ） (2024-02-23T06:04:23Z)
• Balancing Autonomy and Alignment: A Multi-Dimensional Taxonomy for Autonomous LLM-powered Multi-Agent Architectures [0.0]
  大規模言語モデル(LLM)は、洗練された言語理解と生成能力を備えた人工知能の分野に革命をもたらした。 本稿では,LLMを用いた自律型マルチエージェントシステムが自律性とアライメントの動的相互作用をどのようにバランスさせるかを分析するために,総合的な多次元分類法を提案する。
  論文  参考訳（メタデータ） (2023-10-05T16:37:29Z)
• LanguageMPC: Large Language Models as Decision Makers for Autonomous Driving [84.31119464141631]
  この作業では、複雑な自律運転シナリオの意思決定コンポーネントとして、Large Language Models(LLM)を採用している。 大規模実験により,提案手法は単車載タスクのベースラインアプローチを一貫して超えるだけでなく,複数車載コーディネートにおいても複雑な運転動作の処理にも有効であることが示された。
  論文  参考訳（メタデータ） (2023-10-04T17:59:49Z)

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。