論文の概要: AutoGen Driven Multi Agent Framework for Iterative Crime Data Analysis and Prediction

• arxiv url: http://arxiv.org/abs/2506.11475v1
• Date: Fri, 13 Jun 2025 05:39:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-16 17:50:49.664281
• Title: AutoGen Driven Multi Agent Framework for Iterative Crime Data Analysis and Prediction
• Title（参考訳）: 反復犯罪データ分析と予測のためのオートジェン駆動型マルチエージェントフレームワーク
• Authors: Syeda Kisaa Fatima, Tehreem Zubair, Noman Ahmed, Asifullah Khan,
• Abstract要約: LUCID-MA(Learning and Crime through Dialogue of Multiple Agents)は、複数のAIエージェントが犯罪データを共同で分析し理解する革新的なAI駆動フレームワークである。 本システムでは,犯罪パターンをハイライトする分析アシスタント,分析結果をレビュー・精査するフィードバックコンポーネント,将来的な犯罪傾向を予測する予測コンポーネントの3つで構成されている。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces LUCID-MA (Learning and Understanding Crime through Dialogue of Multiple Agents), an innovative AI powered framework where multiple AI agents collaboratively analyze and understand crime data. Our system that consists of three core components: an analysis assistant that highlights spatiotemporal crime patterns, a feedback component that reviews and refines analytical results and a prediction component that forecasts future crime trends. With a well-designed prompt and the LLaMA-2-13B-Chat-GPTQ model, it runs completely offline and allows the agents undergo self-improvement through 100 rounds of communication with less human interaction. A scoring function is incorporated to evaluate agent's performance, providing visual plots to track learning progress. This work demonstrates the potential of AutoGen-style agents for autonomous, scalable, and iterative analysis in social science domains maintaining data privacy through offline execution.
• Abstract（参考訳）: 本稿では,複数のAIエージェントが協調して犯罪データを解析・理解する,革新的なAI駆動型フレームワークであるLUCID-MAを紹介する。 本システムでは, 時空間犯罪パターンをハイライトする分析アシスタント, 分析結果をレビュー・精査するフィードバックコンポーネント, 将来的な犯罪傾向を予測する予測コンポーネントの3つの要素から構成される。 適切に設計されたプロンプトとLLaMA-2-13B-Chat-GPTQモデルにより、完全にオフラインで動作し、エージェントは人間との相互作用の少ない100ラウンドの通信を通じて自己改善を行うことができる。 スコアリング機能はエージェントのパフォーマンスを評価するために組み込まれ、学習進捗を追跡する視覚プロットを提供する。 この研究は、オフライン実行を通じてデータのプライバシを維持する社会科学領域において、自律的でスケーラブルで反復的な分析のためのAutoGenスタイルのエージェントの可能性を示す。

関連論文リスト

• A Desideratum for Conversational Agents: Capabilities, Challenges, and Future Directions [51.96890647837277]
  大規模言語モデル(LLM)は、従来の対話システムから、自律的な行動、文脈認識、ユーザとのマルチターンインタラクションが可能な高度なエージェントへと、会話AIを推進してきた。 本調査では,人間レベルの知性にアプローチするよりスケーラブルなシステムにおいて,何が達成されたのか,どのような課題が持続するのか,何を行う必要があるのか,といった,次世代の会話エージェントのデシラトゥムを提示する。
  論文  参考訳（メタデータ） (2025-04-07T21:01:25Z)
• Multi-Agent Actor-Critic Generative AI for Query Resolution and Analysis [1.0124625066746598]
  本稿では,アクタ批判モデルに基づく問合せ解決のための変換フレームワークであるMASQRADを紹介する。 MASQRADは不正確または曖昧なユーザからの問い合わせを正確で行動可能な要求に翻訳するのに優れている。 MASQRAD は高度なマルチエージェントシステムとして機能するが、単一のAIエンティティとしてユーザに対して "masquerad" を提供する。
  論文  参考訳（メタデータ） (2025-02-17T04:03:15Z)
• Poly-Autoregressive Prediction for Modeling Interactions [42.51313085280179]
  本稿では,エゴエージェントの今後の行動を予測する多自己回帰(PAR)モデリングを提案する。 PARは、社会的状況における人間の行動予測、自動運転車の軌道予測、手動物体間相互作用における物体のポーズ予測の3つの異なる問題に適用可能であることを示す。
  論文  参考訳（メタデータ） (2025-02-12T18:59:43Z)
• Hallucination Mitigation using Agentic AI Natural Language-Based Frameworks [0.0]
  現在のジェネレーティブAIモデルにおいて、幻覚は依然として重要な課題である。 本研究では,複数の人工知能エージェントを編成することで幻覚を緩和する方法について検討する。
  論文  参考訳（メタデータ） (2025-01-19T11:19:25Z)
• Using Generative AI and Multi-Agents to Provide Automatic Feedback [4.883570605293337]
  本研究では、生成型AIとマルチエージェントシステムを用いて、教育的文脈における自動フィードバックを提供する。 この研究は、AutoFeedbackと呼ばれるマルチエージェントシステムが、GenAI生成したフィードバックの品質をどのように改善するかを探求することによって、この分野における重要なギャップに対処する。
  論文  参考訳（メタデータ） (2024-11-11T22:27:36Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• CityGPT: Towards Urban IoT Learning, Analysis and Interaction with Multi-Agent System [4.612237040042468]
  CityGPTはIoTデータの時間的分析を達成するために3つのエージェントを使用している。 我々は,大規模言語モデル(LLM)によって促進されたフレームワークを認証し,データの理解性を高めた。 実世界のデータを異なる時間で評価した結果、CityGPTフレームワークは、コンピューティングにおける堅牢な性能を保証できることが示されている。
  論文  参考訳（メタデータ） (2024-05-23T15:27:18Z)
• CoCo-Agent: A Comprehensive Cognitive MLLM Agent for Smartphone GUI Automation [61.68049335444254]
  MLLM(Multimodal large language model)は、人間のような自律型言語エージェントが現実世界の環境と相互作用する可能性を示している。 包括的環境認識(CEP)と条件付き行動予測(CAP)の2つの新しいアプローチを備えた包括的認知型LLMエージェントCoCo-Agentを提案する。 AITW と META-GUI ベンチマークにおいて,我々のエージェントは実シナリオで有望な性能を示す新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-02-19T08:29:03Z)
• It Is Time To Steer: A Scalable Framework for Analysis-driven Attack Graph Generation [50.06412862964449]
  アタックグラフ(AG)は、コンピュータネットワークに対するマルチステップ攻撃に対するサイバーリスクアセスメントをサポートする最も適したソリューションである。 現在の解決策は、アルゴリズムの観点から生成問題に対処し、生成が完了した後のみ解析を仮定することである。 本稿では,アナリストがいつでもシステムに問い合わせることのできる新しいワークフローを通じて,従来のAG分析を再考する。
  論文  参考訳（メタデータ） (2023-12-27T10:44:58Z)
• Interactive Autonomous Navigation with Internal State Inference and Interactivity Estimation [58.21683603243387]
  本稿では,関係時間的推論を伴う3つの補助的タスクを提案し,それらを標準のディープラーニングフレームワークに統合する。 これらの補助的なタスクは、他の対話的エージェントの行動パターンを推測するための追加の監視信号を提供する。 提案手法は,標準評価指標の観点から,頑健かつ最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-11-27T18:57:42Z)
• Online Multi-Agent Forecasting with Interpretable Collaborative Graph Neural Network [65.11999700562869]
  複数の協調予測器からの予測を協調グラフに従って集約する新しい協調予測ユニット(CoPU)を提案する。 本手法は,3つのタスクの最先端処理を平均28.6%,17.4%,21.0%で上回っている。
  論文  参考訳（メタデータ） (2021-07-02T08:20:06Z)

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。