論文の概要: Towards Agentic OS: An LLM Agent Framework for Linux Schedulers

• arxiv url: http://arxiv.org/abs/2509.01245v2
• Date: Wed, 03 Sep 2025 06:09:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.601586
• Title: Towards Agentic OS: An LLM Agent Framework for Linux Schedulers
• Title（参考訳）: Agentic OS: LinuxスケジューリングのためのLLM Agent Framework
• Authors: Yusheng Zheng, Yanpeng Hu, Wei Zhang, Andi Quinn,
• Abstract要約: 我々は、完全に自律的な大規模言語モデル(LLM)エージェントが、人間の関与なしにLinuxスケジューラを最適化できるフレームワークであるSchedCPを紹介した。 SchedCPは、Workload Analysis Engine、進化するSchduler Policy Repository、Execution Verifierの3つの主要なサービスを備えた安定したインターフェースを提供する。 評価の結果,SchedCPの性能改善は1.79倍,コスト削減は13倍であった。
• 参考スコア（独自算出の注目度）: 3.8068085728995307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Operating system schedulers suffer from a fundamental semantic gap, where kernel policies fail to understand application-specific needs, leading to suboptimal performance. We introduce SchedCP, the first framework that enables fully autonomous Large Language Model (LLM) agents to safely and efficiently optimize Linux schedulers without human involvement. Our core insight is that the challenge is not merely to apply a better LLM, but to architect a decoupled control plane that separates the AI's role of semantic reasoning ("what to optimize") from the system's role of execution ("how to observe and act"). Implemented as Model Context Protocol(MCP) server, SchedCP provides a stable interface with three key services: a Workload Analysis Engine, an evolving Scheduler Policy Repository, and an Execution Verifier that validates all AI-generated code and configure before deployment with static and dynamic analysis. We demonstrate this architecture's power with sched-agent, a multi-agent system that autonomously analyzes workloads, synthesizes custom eBPF scheduling policies, and deploys them via the sched\_ext infrastructure. Our evaluation shows that SchedCP achieves up to an 1.79x performance improvement, and a 13x cost reduction compared to naive agentic approaches, all while maintaining high success rate. By bridging the semantic gap, SchedCP democratizes expert-level system optimization and represents a step towards creating truly self-optimizing, application-aware operating systems. The code is open-sourced in https://github.com/eunomia-bpf/schedcp
• Abstract（参考訳）: オペレーティングシステムスケジューラは、カーネルポリシーがアプリケーション固有のニーズを理解できないような基本的なセマンティックなギャップに悩まされ、最適化性能が低下する。 我々は、完全に自律的な大規模言語モデル(LLM)エージェントが、人間の関与なしにLinuxスケジューラを安全かつ効率的に最適化できる、最初のフレームワークであるSchedCPを紹介した。 私たちの中核的な洞察は、この課題は単により良いLCMを適用するだけでなく、AIの役割であるセマンティック推論("What to Optimization")と、システムの役割である実行("How toObserv and act")を分離する分離されたコントロールプレーンを設計することにあります。 Model Context Protocol(MCP)サーバとして実装されたSchedCPは,3つの主要なサービスを備えた安定したインターフェースを提供する。ワークロード分析エンジン,スキーマポリシリポジトリの進化,AI生成されたすべてのコードを検証して,静的および動的解析によるデプロイメント前に設定する実行検証だ。 我々は、ワークロードを自律的に分析し、独自のeBPFスケジューリングポリシーを合成し、sched\_extインフラストラクチャを介してデプロイするマルチエージェントシステムであるsched-agentで、このアーキテクチャのパワーを実証する。 評価の結果,SchedCPは最大1.79倍の性能向上を実現し,高い成功率を維持しつつ,単純エージェントアプローチに比べて13倍のコスト削減を実現した。 セマンティックギャップを埋めることによって、SchedCPはエキスパートレベルのシステムの最適化を民主化し、真に自己最適化されたアプリケーション対応のオペレーティングシステムを作るためのステップを表している。 コードはhttps://github.com/eunomia-bpf/schedcpで公開されている。

関連論文リスト

• Anemoi: A Semi-Centralized Multi-agent System Based on Agent-to-Agent Communication MCP server from Coral Protocol [0.7288110873705294]
  Anemoi は、Coral Protocol の Agent-to-Agent (A2A) 通信 MCP サーバ上に構築された、半集中型の MAS である。 従来のデザインとは異なり、Anemoiは構造的かつ直接的なエージェント間コラボレーションを可能にし、すべてのエージェントが進捗を監視し、結果を評価し、ボトルネックを特定し、リアルタイムに改善を提案する。
  論文  参考訳（メタデータ） (2025-08-23T15:45:10Z)
• Blueprint First, Model Second: A Framework for Deterministic LLM Workflow [3.9886771197662925]
  我々は、"Blueprint First, Model Second"哲学に基づいた新しいパラダイムであるSource Code Agentフレームワークを紹介します。 私たちのフレームワークは、ワークフローロジックを生成モデルから切り離します。 我々の研究は、厳格な手続き論理に支配されるアプリケーションに自律エージェントを検証し、信頼性の高い配置を可能にする。
  論文  参考訳（メタデータ） (2025-08-01T03:10:00Z)
• CodeAgents: A Token-Efficient Framework for Codified Multi-Agent Reasoning in LLMs [16.234259194402163]
  マルチエージェント推論を符号化し、マルチエージェントシステムにおける構造化されたトークン効率の計画を可能にするプロンプトフレームワークであるCodeAgentsを紹介する。 その結果, 計画性能は一貫した改善がみられ, 基本となる自然言語よりも3～36ポイントの絶対的な向上が見られた。
  論文  参考訳（メタデータ） (2025-07-04T02:20:19Z)
• AgentVigil: Generic Black-Box Red-teaming for Indirect Prompt Injection against LLM Agents [54.29555239363013]
  本稿では,間接的なインジェクション脆弱性を自動的に検出し,悪用するための汎用的なブラックボックスファジリングフレームワークであるAgentVigilを提案する。 我々はAgentVigilをAgentDojoとVWA-advの2つの公開ベンチマークで評価し、o3-miniとGPT-4oに基づくエージェントに対して71%と70%の成功率を達成した。 攻撃を現実世界の環境に適用し、悪質なサイトを含む任意のURLに誘導するエージェントをうまく誘導する。
  論文  参考訳（メタデータ） (2025-05-09T07:40:17Z)
• CompileAgent: Automated Real-World Repo-Level Compilation with Tool-Integrated LLM-based Agent System [52.048087777953064]
  リポジトリレベルのコンパイル専用のエージェントフレームワークであるCompileAgentを提案する。 CompileAgentは5つのツールとフローベースのエージェント戦略を統合し、コンパイル命令検索とエラー解決のためのソフトウェアアーチファクトとのインタラクションを可能にする。 提案手法は,10%から71%の範囲で,コンパイル成功率を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-05-07T08:59:14Z)
• PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
  本稿では,PC-Agentという階層型エージェントフレームワークを提案する。 認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。 意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-20T05:41:55Z)
• Autonomous Deep Agent [0.7489814067742621]
  Deep Agentは、複雑なマルチフェーズタスクを管理するために設計された高度な自律AIシステムである。 システムの基盤は階層型タスクDAGフレームワーク上に構築されています。 Deep Agentは、自己管理型AIシステムにおいて、新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-02-10T21:46:54Z)
• A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
  本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。 具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。 我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
  論文  参考訳（メタデータ） (2023-10-03T16:05:48Z)
• Harnessing Deep Learning and HPC Kernels via High-Level Loop and Tensor Abstractions on CPU Architectures [67.47328776279204]
  この研究は、効率的でポータブルなDeep LearningとHigh Performance Computingカーネルを開発するためのフレームワークを導入している。 1)プロセッシングプリミティブ(TPP)を用いた計算コアの表現と,2)高レベルな宣言的手法でTPPのまわりの論理ループの表現の2つのステップでカーネルの開発を分解する。 我々は、スタンドアロンカーネルと、さまざまなCPUプラットフォームにおける最先端実装よりも優れたエンドツーエンドワークロードを使用して、このアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2023-04-25T05:04:44Z)

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。