論文の概要: Towards an Agentic Workflow for Internet Measurement Research
- arxiv url: http://arxiv.org/abs/2511.10611v1
- Date: Fri, 14 Nov 2025 02:00:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-14 22:53:22.955272
- Title: Towards an Agentic Workflow for Internet Measurement Research
- Title（参考訳）: インターネット計測研究のためのエージェントワークフローを目指して
- Authors: Alagappan Ramanathan, Eunju Kang, Dongsu Han, Sangeetha Abdu Jyothi,
- Abstract要約: 本稿では,エージェントが専門家の推論を模倣した測定を独立して生成できることを実証する最初のシステムであるArachNetを紹介する。
ArachNetは、問題分解からソリューション実装まで、専門家をミラーする4つの専門エージェントを通して運用されている。
- 参考スコア（独自算出の注目度）: 4.603598751146948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Internet measurement research faces an accessibility crisis: complex analyses require custom integration of multiple specialized tools that demands specialized domain expertise. When network disruptions occur, operators need rapid diagnostic workflows spanning infrastructure mapping, routing analysis, and dependency modeling. However, developing these workflows requires specialized knowledge and significant manual effort. We present ArachNet, the first system demonstrating that LLM agents can independently generate measurement workflows that mimics expert reasoning. Our core insight is that measurement expertise follows predictable compositional patterns that can be systematically automated. ArachNet operates through four specialized agents that mirror expert workflow, from problem decomposition to solution implementation. We validate ArachNet with progressively challenging Internet resilience scenarios. The system independently generates workflows that match expert-level reasoning and produce analytical outputs similar to specialist solutions. Generated workflows handle complex multi-framework integration that traditionally requires days of manual coordination. ArachNet lowers barriers to measurement workflow composition by automating the systematic reasoning process that experts use, enabling broader access to sophisticated measurement capabilities while maintaining the technical rigor required for research-quality analysis.
- Abstract（参考訳）: インターネット測定研究はアクセシビリティの危機に直面している。複雑な分析には、専門分野の専門知識を必要とする複数の専門的なツールをカスタムに統合する必要がある。
ネットワーク障害が発生した場合、オペレータはインフラストラクチャマッピング、ルーティング分析、依存性モデリングを対象とする、迅速な診断ワークフローを必要とする。
しかし、これらのワークフローの開発には特別な知識と重要な手作業が必要である。
本稿では,LLMエージェントが専門家の推論を模倣した計測ワークフローを独立して生成できることを実証する最初のシステムであるArachNetを提案する。
私たちの中核的な洞察は、計測の専門知識は、体系的に自動化可能な予測可能な構成パターンに従うことです。
ArachNetは、問題分解からソリューション実装まで、専門家ワークフローをミラーする4つの専門エージェントを通して運用されている。
ArachNetを,インターネットのレジリエンスのシナリオで段階的に検証する。
このシステムは、専門家レベルの推論にマッチするワークフローを独立に生成し、専門的なソリューションに似た分析出力を生成する。
生成されたワークフローは、従来手作業による調整を必要とする複雑なマルチフレームワークの統合を処理する。
ArachNetは、専門家が使用する体系的な推論プロセスを自動化し、研究品質分析に必要な技術的厳密さを維持しながら、高度な測定能力への広範なアクセスを可能にすることにより、ワークフロー構成の測定障壁を低くする。
関連論文リスト
- Leveraging Multi-Agent System (MAS) and Fine-Tuned Small Language Models (SLMs) for Automated Telecom Network Troubleshooting [0.0]
テレコムネットワークは、規模と複雑さが急速に増加し、効率的な管理、運用、最適化がますます困難になっている。
既存のモデルはスコープが狭く、大量のラベル付きデータを必要とし、異種デプロイメントを一般化するのに苦労することが多い。
本稿では,エージェントワークフローを利用するマルチエージェントシステム (MAS) を提案し,LLM(Large Language Models) が完全自動ネットワークトラブルシューティングのための特別なツールをコーディネートする。
論文 参考訳（メタデータ） (2025-11-01T18:19:41Z) - PowerChain: A Verifiable Agentic AI System for Automating Distribution Grid Analyses [1.9682121767943495]
急激な電化と脱炭は、分散グリッド(DG)の運用と計画の複雑さを増している。
これらの分析は、専門家の知識を必要とし、自動化が困難であるさまざまなモデル、関数呼び出し、データパイプラインに依存します。
我々は,複雑なグリッド分析を自律的に行うことができるエージェントシステムPowerChainを構築した。
論文 参考訳（メタデータ） (2025-08-23T17:24:46Z) - WebSailor: Navigating Super-human Reasoning for Web Agent [72.5231321118689]
WebSailorは、この重要な機能を組み込むように設計された、完全なポストトレーニング方法論である。
我々のアプローチは、構造化サンプリングと情報難読化によって、新しい、不確実なタスクを生成することである。
WebSailorは複雑な情報検索タスクにおいて、すべてのオープンソースエージェントを著しく上回っている。
論文 参考訳（メタデータ） (2025-07-03T12:59:07Z) - Boost, Disentangle, and Customize: A Robust System2-to-System1 Pipeline for Code Generation [58.799397354312596]
大規模言語モデル(LLM)は、様々な領域、特にシステム1タスクにおいて顕著な機能を示した。
System2-to-System1法に関する最近の研究が急増し、推論時間計算によるシステム2の推論知識が探索された。
本稿では,システム2タスクの代表的タスクであるコード生成に注目し,主な課題を2つ挙げる。
論文 参考訳（メタデータ） (2025-02-18T03:20:50Z) - Towards Human-Level Understanding of Complex Process Engineering Schematics: A Pedagogical, Introspective Multi-Agent Framework for Open-Domain Question Answering [0.0]
化学・プロセス産業では、プロセス・フロー・ダイアグラム(PFD)とパイプ・アンド・インスツルメンテーション・ダイアグラム(P&ID)が設計、建設、保守に不可欠である。
生成型AIの最近の進歩は、ビジュアル質問回答(VQA)のプロセス図の理解と解釈の約束を示している。
本稿では,階層的かつマルチエージェントなRetrieval Augmented Generation(RAG)フレームワークを用いた,セキュアでオンプレミスなエンタープライズソリューションを提案する。
論文 参考訳（メタデータ） (2024-08-24T19:34:04Z) - Iterative Sizing Field Prediction for Adaptive Mesh Generation From Expert Demonstrations [49.173541207550485]
Adaptive Meshing By Expert Reconstruction (AMBER) は模倣学習問題である。
AMBERは、グラフニューラルネットワークとオンラインデータ取得スキームを組み合わせて、専門家メッシュの投影されたサイズフィールドを予測する。
我々は、人間の専門家が提供した2Dメッシュと3Dメッシュ上でAMBERを実験的に検証し、提供されたデモと密に一致し、シングルステップのCNNベースラインを上回った。
論文 参考訳（メタデータ） (2024-06-20T10:01:22Z) - WorkArena: How Capable Are Web Agents at Solving Common Knowledge Work Tasks? [83.19032025950986]
本稿では,Webブラウザを介してソフトウェアと対話する大規模言語モデルベースエージェントについて検討する。
WorkArenaは、広く使用されているServiceNowプラットフォームに基づく33のタスクのベンチマークである。
BrowserGymは、そのようなエージェントの設計と評価のための環境である。
論文 参考訳（メタデータ） (2024-03-12T14:58:45Z) - Query Answering via Decentralized Search [1.5780411262109524]
分散検索は、最もベーシックでスケーラブルなルーティングメカニズムである。
分散検索は、ネットワークのグローバル構造を知ることなく、各専門家のローカル情報に基づいて機能する。
専門知識レベルを誤解釈することによって生じる推定誤差に対して,分散検索は頑健であることを示す。
論文 参考訳（メタデータ） (2020-12-18T14:46:49Z) - Automated Search for Resource-Efficient Branched Multi-Task Networks [81.48051635183916]
我々は,多タスクニューラルネットワークにおける分岐構造を自動的に定義する,微分可能なニューラルネットワーク探索に根ざした原理的アプローチを提案する。
本手法は,限られた資源予算内で高い性能の分岐構造を見いだすことができる。
論文 参考訳（メタデータ） (2020-08-24T09:49:19Z)
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。