論文の概要: Distributed Agent Reasoning Across Independent Systems With Strict Data Locality

• arxiv url: http://arxiv.org/abs/2511.16292v1
• Date: Thu, 20 Nov 2025 12:13:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.609349
• Title: Distributed Agent Reasoning Across Independent Systems With Strict Data Locality
• Title（参考訳）: 厳密なデータ局所性を持つ独立系における分散エージェント推論
• Authors: Daniel Vaughan, Kateřina Vaughan,
• Abstract要約: 本稿では,分散システムにおけるエージェント・エージェント間通信のコンセプト実証について述べる。 エージェントはOperationRelayコールを通じて通信し、簡潔な自然言語要約を交換する。 このプロトタイプの目標は、臨床的に検証された生産可能なシステムを提供することではなく、実現可能性を示すことにある。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a proof-of-concept demonstration of agent-to-agent communication across distributed systems, using only natural-language messages and without shared identifiers, structured schemas, or centralised data exchange. The prototype explores how multiple organisations (represented here as a Clinic, Insurer, and Specialist Network) can cooperate securely via pseudonymised case tokens, local data lookups, and controlled operational boundaries. The system uses Orpius as the underlying platform for multi-agent orchestration, tool execution, and privacy-preserving communication. All agents communicate through OperationRelay calls, exchanging concise natural-language summaries. Each agent operates on its own data (such as synthetic clinic records, insurance enrolment tables, and clinical guidance extracts), and none receives or reconstructs patient identity. The Clinic computes an HMAC-based pseudonymous token, the Insurer evaluates coverage rules and consults the Specialist agent, and the Specialist returns an appropriateness recommendation. The goal of this prototype is intentionally limited: to demonstrate feasibility, not to provide a clinically validated, production-ready system. No clinician review was conducted, and no evaluation beyond basic functional runs was performed. The work highlights architectural patterns, privacy considerations, and communication flows that enable distributed reasoning among specialised agents while keeping data local to each organisation. We conclude by outlining opportunities for more rigorous evaluation and future research in decentralised multi-agent systems.
• Abstract（参考訳）: 本稿では,自然言語メッセージのみを使用し,共有識別子や構造化スキーマ,集中型データ交換を用いない,分散システム間のエージェント対エージェント通信の実証実験を行う。 このプロトタイプでは、複数の組織(クリニック、保険会社、スペシャリストネットワークとして表現されている)が、偽名付きケーストークン、ローカルデータルックアップ、管理された運用バウンダリを通じて、セキュアに協力する方法について検討している。 このシステムはマルチエージェントオーケストレーション、ツール実行、プライバシ保護通信の基盤プラットフォームとしてOrpiusを使用している。 すべてのエージェントはOperationRelayコールを通じて通信し、簡潔な自然言語要約を交換する。 各エージェントは、独自のデータ(例えば、総合診療記録、保険制度表、臨床ガイダンス抽出など)を運用し、患者のアイデンティティを受信または再構成する者はいない。 クリニックはHMACベースの匿名トークンを計算し、保険業者はカバレッジルールを評価し、スペシャリストエージェントに相談し、スペシャリストは適切な推奨を返す。 このプロトタイプの目標は、臨床的に検証された生産可能なシステムを提供することではなく、実現可能性を示すことにある。 臨床検査は行わず, 基本機能検査以上の評価は行わなかった。 この作業は、各組織にデータをローカルに保ちながら、専門エージェント間の分散推論を可能にする、アーキテクチャパターン、プライバシ考慮、コミュニケーションフローを強調している。 我々は、分散マルチエージェントシステムにおけるより厳密な評価と今後の研究の機会を概説して結論付ける。

関連論文リスト

• CXRAgent: Director-Orchestrated Multi-Stage Reasoning for Chest X-Ray Interpretation [62.0150409256153]
  我々は、CXR解釈のためのディレクター調整型多段階エージェントであるCXRAgentを提案する。 エージェントは、Evidence-driven Validatorによって正規化され検証された出力を持つ一連のCXR分析ツールを戦略的にオーケストレーションする。 様々なCXR解釈タスクの実験は、CXRAgentが強いパフォーマンスを示し、視覚的証拠を提供し、異なる複雑さの臨床的タスクにうまく一般化していることを示している。
  論文  参考訳（メタデータ） (2025-10-24T10:31:30Z)
• DispatchMAS: Fusing taxonomy and artificial intelligence agents for emergency medical services [49.70819009392778]
  大規模言語モデル (LLM) とマルチエージェントシステム (MAS) は、ディスパッチを増強する機会を提供する。 本研究の目的は,現実的なシナリオをシミュレートする分類基盤型マルチエージェントシステムの開発と評価である。
  論文  参考訳（メタデータ） (2025-10-24T08:01:21Z)
• Agentic-AI Healthcare: Multilingual, Privacy-First Framework with MCP Agents [1.2995632804090198]
  Agentic-AI Healthcareは、単一の調査プロジェクトとして開発された、プライバシーを意識した多言語、説明可能な研究プロトタイプである。 このプラットフォームには、ロールベースのアクセス制御(RBAC)、AES-GCMフィールドレベルの暗号化、タンパーによる詳細な監査ログなど、専用のプライバシとコンプライアンスレイヤが組み込まれている。
  論文  参考訳（メタデータ） (2025-09-25T21:25:52Z)
• Automated Clinical Problem Detection from SOAP Notes using a Collaborative Multi-Agent LLM Architecture [8.072932739333309]
  我々は,このギャップに対処するために,臨床相談チームをモデル化する共同マルチエージェントシステム(MAS)を導入する。 このシステムは、SOAPノートの主観的(S)および目的的(O)セクションのみを分析することによって、臨床上の問題を特定する。 マネージャエージェントは、階層的で反復的な議論に従事し、合意に達するために、動的に割り当てられた専門家エージェントのチームを編成する。
  論文  参考訳（メタデータ） (2025-08-29T17:31:24Z)
• MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
  本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。 提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。 その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-08-13T19:14:48Z)
• Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence [68.05876437208505]
  臨床ワークフローの5つの重要な段階をカバーする12,163の臨床症例のデータセットであるMedChainを提示する。 フィードバック機構とMCase-RAGモジュールを統合したAIシステムであるMedChain-Agentも提案する。
  論文  参考訳（メタデータ） (2024-12-02T15:25:02Z)
• AgentClinic: a multimodal agent benchmark to evaluate AI in simulated clinical environments [2.567146936147657]
  シミュレーションされた臨床環境における大規模言語モデル(LLM)の評価のためのマルチモーダルエージェントベンチマークであるAgentClinicを紹介する。 我々は,AgentClinicの逐次決定形式におけるMedQA問題の解決が極めて困難であることに気付き,診断精度が元の精度の10分の1以下に低下することを発見した。
  論文  参考訳（メタデータ） (2024-05-13T17:38:53Z)
• Federated Offline Reinforcement Learning [55.326673977320574]
  マルチサイトマルコフ決定プロセスモデルを提案する。 我々は,オフラインRLを対象とした最初のフェデレーション最適化アルゴリズムを設計する。 提案アルゴリズムでは,学習ポリシーの準最適性は,データが分散していないような速度に匹敵する,理論的保証を与える。
  論文  参考訳（メタデータ） (2022-06-11T18:03:26Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)

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。