論文の概要: EnCompass: Enhancing Agent Programming with Search Over Program Execution Paths

• arxiv url: http://arxiv.org/abs/2512.03571v1
• Date: Wed, 03 Dec 2025 08:50:16 GMT
• ステータス: 情報取得中
• システム内更新日: 2025-12-04 12:16:50.710363
• Title: EnCompass: Enhancing Agent Programming with Search Over Program Execution Paths
• Title（参考訳）: EnCompass: プログラム実行パスを検索してエージェントプログラミングを強化する
• Authors: Zhening Li, Armando Solar-Lezama, Yisong Yue, Stephan Zheng,
• Abstract要約: エージェントプログラミングに対する現在のアプローチは、しばしばエージェント設計の2つの側面、すなわちコアワークフローロジックと推論時戦略を絡み合わせる。 この2つの懸念を解消するプログラミングモデルである「確率的天使的非決定主義(PAN)」を導入する。 本稿では,このフレームワークがエージェントの信頼性を向上し,異なる推論時間戦略を簡単に切り替えることを可能にすることを示す3つのケーススタディを示す。
• 参考スコア（独自算出の注目度）: 30.69327461098545
• License:
• Abstract: We introduce a new approach to agent programming, the development of LLM-based agents. Current approaches to agent programming often entangle two aspects of agent design: the core workflow logic and the inference-time strategy (e.g., tree search). We introduce "probabilistic angelic nondeterminism" ("PAN"), a programming model that disentangles these two concerns, allowing the programmer to describe the agent workflow and independently experiment with different inference-time strategies by simply changing a few inputs. We provide an implementation of PAN in Python as the EnCompass framework, which uses a Python decorator to compile agent workflow programs into a search space. We present three case studies that demonstrate how the framework lets the programmer quickly improve the reliability of an agent and easily switch between different inference-time strategies, all with little additional coding.
• Abstract（参考訳）: LLMに基づくエージェントの開発において,エージェントプログラミングに新たなアプローチを導入する。 エージェントプログラミングに対する現在のアプローチは、しばしばエージェント設計の2つの側面を絡ませている。 プログラマはエージェントのワークフローを記述でき、いくつかの入力を変更するだけで異なる推論時間戦略を独立に実験できる。 エージェントワークフロープログラムを検索空間にコンパイルするためにPythonデコレータを使用するEnCompassフレームワークとして,PythonのPANの実装を提供する。 提案する3つのケーススタディでは,フレームワークがエージェントの信頼性を迅速に向上し,異なる推論時間戦略を簡単に切り替えることを可能にする。

関連論文リスト

• AgentGit: A Version Control Framework for Reliable and Scalable LLM-Powered Multi-Agent Systems [7.408263799616532]
  AgentGitはGitライクなロールバックとブランチをマルチエージェントシステム(MAS)にもたらすフレームワークです。 AgentGitは冗長、ランタイム、トークンの使用を著しく削減し、複数のブランチをまたいだ並列探索をサポートしています。 この作業は、より堅牢なMAS設計への実践的なパスを提供し、コラボレーティブAIシステムにおけるエラー回復、安全な探索、計算、A/Bテストを可能にする。
  論文  参考訳（メタデータ） (2025-11-01T17:11:31Z)
• AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities [8.086360127362815]
  大規模言語モデル(LLM)ベースのコーディングエージェントは、コンパイラ、デバッガ、バージョン管理システムなどのツールを自律的に計画し、実行し、操作する。 従来のコード生成とは異なり、これらのエージェントは目標を分解し、多段階プロセスをコーディネートし、フィードバックに基づいて適応し、ソフトウェア開発のプラクティスを再構築する。
  論文  参考訳（メタデータ） (2025-08-15T00:14:31Z)
• AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation [0.0]
  ソフトウェア開発タスクの自動化に複数のLCMエージェントを併用したPythonベースのフレームワークを提案する。 AgentMeshでは、Planner、Coder、Debugger、Reviewerといった特殊なエージェントが協力して、ハイレベルな要件を完全に実現されたコードに変換する。
  論文  参考訳（メタデータ） (2025-07-26T10:10:02Z)
• The Future is Agentic: Definitions, Perspectives, and Open Challenges of Multi-Agent Recommender Systems [8.36558427125949]
  大規模言語モデル(LLM)は、計画、記憶、外部ツールの呼び出し、相互運用が可能なエージェントエンティティへと急速に進化している。 本稿では,LLMエージェントがレコメンデーションシステムの設計空間をどう変えるかを検討する。 エージェント的抽象化を推奨対象と統一することにより、次世代のパーソナライズされ、信頼性が高く、コンテキストに富んだレコメンデーションサービスの基礎を成す。
  論文  参考訳（メタデータ） (2025-07-02T19:25:44Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• 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)
• AgentGym: Evolving Large Language Model-based Agents across Diverse Environments [116.97648507802926]
  大規模言語モデル(LLM)はそのようなエージェントを構築するための有望な基盤と考えられている。 我々は、自己進化能力を備えた一般機能 LLM ベースのエージェントを構築するための第一歩を踏み出す。 我々はAgentGymを提案する。AgentGymは、幅広い、リアルタイム、ユニフォーマット、並行エージェント探索のための様々な環境とタスクを特徴とする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-06-06T15:15:41Z)
• AgentLite: A Lightweight Library for Building and Advancing Task-Oriented LLM Agent System [91.41155892086252]
  LLMエージェントの研究を簡略化する新しいAIエージェントライブラリであるAgentLiteをオープンソースとして公開する。 AgentLiteは、タスクを分解するエージェントの機能を強化するために設計されたタスク指向フレームワークである。 我々は,その利便性と柔軟性を示すために,AgentLiteで開発された実用アプリケーションを紹介した。
  論文  参考訳（メタデータ） (2024-02-23T06:25:20Z)

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。