論文の概要: Architectural Precedents for General Agents using Large Language Models

• arxiv url: http://arxiv.org/abs/2505.07087v1
• Date: Sun, 11 May 2025 18:29:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-13 20:21:49.204256
• Title: Architectural Precedents for General Agents using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いた汎用エージェントのアーキテクチャ前駆体
• Authors: Robert E. Wray, James R. Kirk, John E. Laird,
• Abstract要約: AI(およびAGI)の1つのゴールは、汎用知能に十分な特定のメカニズムと表現を特定し、理解することである。 今日、大きな言語モデル(LLM)を利用するAIシステムは、メカニズムと表現の比較的新しい組み合わせを提供する。
• 参考スコア（独自算出の注目度）: 4.055489363682198
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: One goal of AI (and AGI) is to identify and understand specific mechanisms and representations sufficient for general intelligence. Often, this work manifests in research focused on architectures and many cognitive architectures have been explored in AI/AGI. However, different research groups and even different research traditions have somewhat independently identified similar/common patterns of processes and representations or cognitive design patterns that are manifest in existing architectures. Today, AI systems exploiting large language models (LLMs) offer a relatively new combination of mechanism and representation available for exploring the possibilities of general intelligence. In this paper, we summarize a few recurring cognitive design patterns that have appeared in various pre-transformer AI architectures. We then explore how these patterns are evident in systems using LLMs, especially for reasoning and interactive ("agentic") use cases. By examining and applying these recurring patterns, we can also predict gaps or deficiencies in today's Agentic LLM Systems and identify likely subjects of future research towards general intelligence using LLMs and other generative foundation models.
• Abstract（参考訳）: AI(およびAGI)の1つのゴールは、汎用知能に十分な特定のメカニズムと表現を特定し、理解することである。 しばしば、この研究はアーキテクチャに焦点を当てた研究に現れ、AI/AGIで多くの認知アーキテクチャが研究されている。 しかし、異なる研究グループや、異なる研究伝統でさえ、既存のアーキテクチャに現れるプロセスや表現、認知デザインパターンの類似/共通パターンを幾分独立に特定している。 今日、大規模言語モデル(LLM)を利用したAIシステムは、汎用知能の可能性を探るためのメカニズムと表現の比較的新しい組み合わせを提供する。 本稿では, 様々な事前変換型AIアーキテクチャに現れる, 繰り返し発生する認知設計パターンを要約する。 次に、LLMを用いたシステム、特に推論と対話的(エージェント的)ユースケースにおいて、これらのパターンがどのように明らかであるかを考察する。 これらの繰り返しパターンを検証、適用することにより、今日のエージェントLLMシステムにおけるギャップや欠陥を予測し、LLMやその他の生成基盤モデルを用いた汎用インテリジェンスに向けた今後の研究課題を特定できる。

関連論文リスト

• 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)
• A Survey of Model Architectures in Information Retrieval [64.75808744228067]
  機能抽出のためのバックボーンモデルと、関連性推定のためのエンドツーエンドシステムアーキテクチャの2つの重要な側面に焦点を当てる。 従来の用語ベースの手法から現代のニューラルアプローチまで,特にトランスフォーマーベースのモデルとそれに続く大規模言語モデル(LLM)の影響が注目されている。 我々は、パフォーマンスとスケーラビリティのアーキテクチャ最適化、マルチモーダル、マルチランガルデータの処理、従来の検索パラダイムを超えた新しいアプリケーションドメインへの適応など、新たな課題と今後の方向性について議論することで結論付けた。
  論文  参考訳（メタデータ） (2025-02-20T18:42:58Z)
• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models [50.259006481656094]
  本稿では,大規模視覚言語モデルの内部メカニズムの理解を目的とした対話型アプリケーションを提案する。 このインタフェースは, 画像パッチの解釈可能性を高めるために設計されており, 応答の生成に有効である。 本稿では,一般的な大規模マルチモーダルモデルであるLLaVAにおける障害機構の理解に,アプリケーションがどのように役立つかのケーススタディを示す。
  論文  参考訳（メタデータ） (2024-04-03T23:57:34Z)
• Synergistic Integration of Large Language Models and Cognitive Architectures for Robust AI: An Exploratory Analysis [12.9222727028798]
  本稿では、知的行動を示す人工知能エージェントの開発に使用される2つのAIサブセクタの統合について考察する:大規模言語モデル(LLM)と認知アーキテクチャ(CA)である。 我々は3つの統合的アプローチを提案し、それぞれ理論モデルに基づいて、予備的な経験的証拠によって支持される。 これらのアプローチは、LSMとCAの長所を活用すると同時に、弱点を軽減し、より堅牢なAIシステムの開発を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-08-18T21:42:47Z)
• Conceptual Modeling and Artificial Intelligence: A Systematic Mapping Study [0.5156484100374059]
  概念モデリング(CM)では、人間は理解とコミュニケーションの手段として現実の抜粋を抽象的に表現し、機械による処理を行う。 近年、CMとAIの連携のトレンドが生まれている。 本研究は,この学際研究分野がどのように構成され,相互利益は,学間研究と今後の研究の方向性によって得られるかを示す。
  論文  参考訳（メタデータ） (2023-03-12T21:23:46Z)
• Artefact Retrieval: Overview of NLP Models with Knowledge Base Access [18.098224374478598]
  本稿では,人工物の種類(知識ベースから抽出した項目),検索機構,およびこれらの人工物がモデルに融合する方法を体系的に記述する。 言語モデルに焦点が当てられているが、質問応答、事実チェック、対話モデルもこのシステムにどのように適合するかを示す。
  論文  参考訳（メタデータ） (2022-01-24T13:15:33Z)

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。