論文の概要: Situating AI Agents in their World: Aspective Agentic AI for Dynamic Partially Observable Information Systems
- arxiv url: http://arxiv.org/abs/2509.03380v1
- Date: Wed, 03 Sep 2025 14:57:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-04 21:40:46.56409
- Title: Situating AI Agents in their World: Aspective Agentic AI for Dynamic Partially Observable Information Systems
- Title（参考訳）: 世界のAIエージェントを選別する:動的に観察可能な情報システムのためのエージェントAI
- Authors: Peter J. Bentley, Soo Ling Lim, Fuyuki Ishikawa,
- Abstract要約: この研究は、AIエージェントを環境に配置するボトムアップフレームワークを導入する。
ユーモアの概念と同様、アスペクトの概念を導入し、エージェントの集合がそれぞれの環境を異なる形で知覚し、情報のより明確な制御を可能にする。
私たちは、典型的なアーキテクチャと比較して、最大83%の時間をリークするのに対し、アスペクト型エージェントAIは情報のリークをゼロにする、という実証的な実装を提供しています。
- 参考スコア（独自算出の注目度）: 1.230392687755973
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic LLM AI agents are often little more than autonomous chatbots: actors following scripts, often controlled by an unreliable director. This work introduces a bottom-up framework that situates AI agents in their environment, with all behaviors triggered by changes in their environments. It introduces the notion of aspects, similar to the idea of umwelt, where sets of agents perceive their environment differently to each other, enabling clearer control of information. We provide an illustrative implementation and show that compared to a typical architecture, which leaks up to 83% of the time, aspective agentic AI enables zero information leakage. We anticipate that this concept of specialist agents working efficiently in their own information niches can provide improvements to both security and efficiency.
- Abstract（参考訳）: エージェントLLMAIエージェントは、しばしば自律的なチャットボットにすぎず、スクリプトに従うアクターは、しばしば信頼できないディレクターによって制御される。
この研究は、AIエージェントを環境に配置するボトムアップフレームワークを導入する。
ユーモアの概念と同様、アスペクトの概念を導入し、エージェントの集合がそれぞれの環境を異なる形で知覚し、情報のより明確な制御を可能にする。
私たちは、典型的なアーキテクチャと比較して、最大83%の時間をリークするのに対し、アスペクト型エージェントAIは情報のリークをゼロにする、という実証的な実装を提供しています。
我々は、この専門エージェントが自分たちの情報で効率的に働くという概念が、セキュリティと効率の両方の改善をもたらすことを期待する。
関連論文リスト
- AIOpsLab: A Holistic Framework to Evaluate AI Agents for Enabling Autonomous Clouds [12.464941027105306]
AI for IT Operations(AIOps)は、障害のローカライゼーションや根本原因分析といった複雑な運用タスクを自動化することを目的としており、人間の作業量を削減し、顧客への影響を最小限にする。
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、エンドツーエンドとマルチタスクの自動化を可能にすることで、AIOpsに革命をもたらしている。
マイクロサービスクラウド環境をデプロイし、障害を注入し、ワークロードを生成し、テレメトリデータをエクスポートするフレームワークであるAIOPSLABを紹介します。
論文 参考訳（メタデータ） (2025-01-12T04:17:39Z) - TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [52.46737975742287]
我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。
最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。
これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
論文 参考訳（メタデータ） (2024-12-18T18:55:40Z) - Agent AI: Surveying the Horizons of Multimodal Interaction [83.18367129924997]
エージェントAI(Agent AI)とは、視覚刺激や言語入力、その他の環境データを知覚できる対話型システムである。
我々は,バーチャルリアリティやシミュレートされたシーンを容易に作成し,仮想環境内に具体化されたエージェントと対話できる未来を構想する。
論文 参考訳（メタデータ） (2024-01-07T19:11:18Z) - The Rise and Potential of Large Language Model Based Agents: A Survey [91.71061158000953]
大規模言語モデル(LLM)は、人工知能(AGI)の潜在的な火花と見なされる
まず、エージェントの概念を哲学的起源からAI開発まで追跡し、LLMがエージェントに適した基盤である理由を説明します。
単一エージェントシナリオ,マルチエージェントシナリオ,ヒューマンエージェント協調の3つの側面において,LLMベースのエージェントの広範な応用について検討する。
論文 参考訳（メタデータ） (2023-09-14T17:12:03Z) - Self-Initiated Open World Learning for Autonomous AI Agents [16.41396764793912]
実際にAIエージェントが使われるようになるにつれて、エージェントを完全に自律的にする方法を考える時が来た。
本稿では,自己開始型オープンワールド学習エージェントの構築研究を促進するための,この学習パラダイムの理論的枠組みを提案する。
論文 参考訳（メタデータ） (2021-10-21T18:11:02Z)
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。