論文の概要: Agentic Services Computing

• arxiv url: http://arxiv.org/abs/2509.24380v2
• Date: Fri, 10 Oct 2025 05:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:46.394356
• Title: Agentic Services Computing
• Title（参考訳）: エージェントサービスコンピューティング
• Authors: Shuiguang Deng, Hailiang Zhao, Ziqi Wang, Guanjie Cheng, Peng Chen, Wenzhuo Qian, Zhiwei Ling, Jianwei Yin, Albert Y. Zomaya, Schahram Dustdar,
• Abstract要約: 本稿では,自律的,適応的,協調的なエージェントとしてサービスを再定義するパラダイムであるエージェントサービスコンピューティングを提案する。 ASCは、設計、デプロイ、運用、進化という4段階のライフサイクルを包含しています。
• 参考スコア（独自算出の注目度）: 51.50424046053763
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The rise of large language model (LLM)-powered agents is transforming services computing, moving it beyond static, request-driven functions toward dynamic, goal-oriented, and socially embedded multi-agent ecosystems. We propose Agentic Services Computing (ASC), a paradigm that reimagines services as autonomous, adaptive, and collaborative agents capable of perceiving, reasoning, acting, and evolving in open and uncertain environments. We organize ASC around a four-phase lifecycle: Design, Deployment, Operation, and Evolution. It is examined through four interwoven research dimensions: (i) perception and context modeling, (ii) autonomous decision-making, (iii) multi-agent collaboration, and (iv) evaluation with alignment and trustworthiness. Rather than functioning as isolated layers, these dimensions evolve together. Contextual grounding supports robust deployment; autonomous reasoning drives real-time action; collaboration emerges from agent interaction; and trustworthiness is maintained as a lifelong, cross-cutting commitment across all lifecycle stages. In developing this framework, we also survey a broad spectrum of representative works that instantiate these ideas across academia and industry, mapping key advances to each phase and dimension of ASC. By integrating foundational principles of services computing with cutting-edge advances in LLM-based agency, ASC offers a unified and forward-looking foundation for building intelligent, accountable, and human-centered service ecosystems.
• Abstract（参考訳）: 大規模言語モデル(LLM)を使用したエージェントの台頭は、サービスコンピューティングを、静的で要求駆動の関数を越えて、動的で目標指向で、ソーシャルに組み込まれたマルチエージェントエコシステムへと移行している。 本稿では,自律的で適応的で協調的なエージェントとして,オープンで不確実な環境での認識,推論,行動,進化の可能なエージェントとして,サービスを再認識するパラダイムであるエージェント・サービス・コンピューティング(ASC)を提案する。 ASCは、設計、デプロイ、運用、進化という4段階のライフサイクルを包含しています。 4つの研究次元で調べる。 (i)知覚と文脈モデリング (二)自律的な意思決定 (三)マルチエージェントコラボレーション、及び (4)アライメントと信頼性による評価。 分離された層として機能するのではなく、これらの次元は一緒に進化する。 コンテキスト基盤はロバストなデプロイメントをサポートし、自律的推論はリアルタイムなアクションを駆動し、協調はエージェントのインタラクションから生まれ、信頼性はライフサイクルのすべての段階にわたって生涯にわたって横断的なコミットメントとして維持されます。 このフレームワークの開発において、我々は、これらのアイデアを学術や産業にまたがってインスタンス化し、重要な進歩をASCの各段階と次元にマッピングする、幅広い代表的作品についても調査する。 LLMベースのエージェンシーにおいて、サービスコンピューティングの基本原則と最先端の進歩を統合することで、ASCはインテリジェントで説明責任があり、人間中心のサービスエコシステムを構築するための統一的で先進的な基盤を提供する。

関連論文リスト

• The Landscape of Agentic Reinforcement Learning for LLMs: A Survey [104.31926740841128]
  エージェント強化学習(Agentic RL)の出現は、大規模言語モデル(LLM RL)に適用された従来の強化学習からパラダイムシフトを示している。 本研究では, LLM-RLの縮退した単段階マルコフ決定過程(MDPs)と, エージェントRLを定義する部分可観測マルコフ決定過程(POMDPs)とを対比することにより, この概念シフトを定式化する。
  論文  参考訳（メタデータ） (2025-09-02T17:46:26Z)
• A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
  既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
  論文  参考訳（メタデータ） (2025-08-10T16:07:32Z)
• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)

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。