論文の概要: POLARIS: Is Multi-Agentic Reasoning the Next Wave in Engineering Self-Adaptive Systems?

• arxiv url: http://arxiv.org/abs/2512.04702v2
• Date: Sun, 07 Dec 2025 08:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 13:50:38.553332
• Title: POLARIS: Is Multi-Agentic Reasoning the Next Wave in Engineering Self-Adaptive Systems?
• Title（参考訳）: POLARIS: 工学的自己適応システムにおけるマルチエージェント推論は次の波か?
• Authors: Divyansh Pandey, Vyakhya Gupta, Prakhar Singhal, Karthik Vaidhyanathan,
• Abstract要約: POLARISは3層多層自己適応フレームワークである。 不確実性に対処し、過去の行動から学び、その戦略を進化させる。 SWIMとSWITCHの2つの自己適応型指数に対する予備評価は、POLARISが一貫して最先端のベースラインを上回っていることを示している。
• 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: The growing scale, complexity, interconnectivity, and autonomy of modern software ecosystems introduce unprecedented uncertainty, challenging the foundations of traditional self-adaptation. Existing approaches, typically rule-driven controllers or isolated learning components, struggle to generalize to novel contexts or coordinate responses across distributed subsystems, leaving them ill-equipped for emergent unknown unknowns. Recent discussions on Self-Adaptation 2.0 emphasize an equal partnership between AI and adaptive systems, merging learning-driven intelligence with adaptive control for predictive and proactive behavior. Building on this foundation, we introduce POLARIS, a three-layer multi-agentic self-adaptation framework that advances beyond reactive adaptation. POLARIS integrates: (1) a low-latency Adapter layer for monitoring and safe execution, (2) a transparent Reasoning layer that generates and verifies plans using tool-aware, explainable agents, and (3) a Meta layer that records experiences and meta-learns improved adaptation policies over time. Through shared knowledge and predictive models, POLARIS handles uncertainty, learns from past actions, and evolves its strategies, enabling systems that anticipate change and maintain resilient, goal-directed behavior. Preliminary evaluation on two self-adaptive exemplars, SWIM and SWITCH, shows that POLARIS consistently outperforms state-of-the-art baselines. We argue this marks a shift toward Self-Adaptation 3.0, akin to Software 3.0: a paradigm where systems not only learn from their environment but also reason about and evolve their own adaptation processes, continuously improving to meet novel challenges.
• Abstract（参考訳）: 現代のソフトウェアエコシステムの規模、複雑さ、相互接続性、自律性の増加は、前例のない不確実性をもたらし、従来の自己適応の基礎に挑戦する。 既存のアプローチ、通常はルール駆動のコントローラや独立した学習コンポーネントは、新しいコンテキストに一般化したり、分散サブシステムにまたがる応答を調整するのに苦労する。 近年のSelf-Adaptation 2.0に関する議論では、AIと適応システムとの対等なパートナーシップを強調し、予測と前向きな行動のための適応制御と学習駆動知能を融合している。 この基盤の上に構築されたPOLARISは,反応適応を超えて進化する3層多層自己適応フレームワークである。 POLARISは、(1)監視と安全な実行のための低遅延アダプタ層、(2)ツール認識、説明可能なエージェントを使用した計画の生成と検証を行う透過的な推論層、(3)経験とメタ学習を記録できるメタレイヤ、そして、時間の経過とともに適応ポリシーが改善された。 共有された知識と予測モデルを通じて、POLARISは不確実性に対処し、過去の行動から学び、その戦略を進化させ、変化を予測し、レジリエントでゴール指向の行動を維持するシステムを実現する。 SWIMとSWITCHの2つの自己適応型指数に対する予備評価は、POLARISが一貫して最先端のベースラインを上回っていることを示している。 これはSoftware 3.0と同じように、システムが環境から学習するだけでなく、独自の適応プロセスの理由付けと進化を行うパラダイムであり、新たな課題を満たすために継続的に改善されている、と私たちは主張しています。

関連論文リスト

• Alignment Tipping Process: How Self-Evolution Pushes LLM Agents Off the Rails [103.05296856071931]
  本稿では,自己進化型大規模言語モデル(LLM)エージェントに特有の,アライメント・ティッピング・プロセス(ATP)を同定する。 ATPは、連続的な相互作用によってエージェントが訓練中に確立されたアライメント制約を放棄し、強化された自己関心の戦略を支持するときに生じる。 実験の結果、アライメントの利点は自己進化の下で急速に低下し、最初は整合性のない状態に収束したモデルであることが判明した。
  論文  参考訳（メタデータ） (2025-10-06T14:48:39Z)
• 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)
• Reinforcement Twinning for Hybrid Control of Flapping-Wing Drones [0.0]
  本稿では,提案手法に基づくハイブリッドモデルフリー/モデルベースによる飛行制御手法を提案する。 このアルゴリズムは、羽ばたき翼ドローンの縦方向のダイナミクスを制御するために評価される。
  論文  参考訳（メタデータ） (2025-05-21T12:27:09Z)
• Human-AI Governance (HAIG): A Trust-Utility Approach [0.0]
  本稿では,人間とAIの関係が進化する中で,信頼のダイナミクスを分析するためのHAIGフレームワークを紹介する。 我々の分析は、自己監督、推論権限、分散意思決定の技術的進歩が、不均一な信頼の進化をいかに引き起こすかを明らかにする。
  論文  参考訳（メタデータ） (2025-05-03T01:57:08Z)
• Metacognition for Unknown Situations and Environments (MUSE) [3.2020845462590697]
  未知の状況と環境(MUSE)フレームワークのメタ認知を提案する。 MUSEはメタ認知プロセス、特に自己認識と自己制御を自律エージェントに統合する。 エージェントは自己認識と自己制御の大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-11-20T18:41:03Z)
• Meta-Adaptive Nonlinear Control: Theory and Algorithms [47.122874727499216]
  オンラインメタ環境制御(OMAC)と呼ばれる適応非線形制御のためのオンラインマルチタスク学習手法を提案する。 我々は、様々な条件下でアプローチのインスタンス化を提供し、マルチタスク適応非線形制御のための最初の非漸近的なエンドツーエンド収束を保証する。
  論文  参考訳（メタデータ） (2021-06-11T00:39:07Z)
• Logarithmic Regret Bound in Partially Observable Linear Dynamical Systems [91.43582419264763]
  部分的に観測可能な線形力学系におけるシステム同定と適応制御の問題について検討する。 開ループ系と閉ループ系の両方において有限時間保証付きの最初のモデル推定法を提案する。 AdaptOnは、未知の部分観測可能な線形力学系の適応制御において、$textpolylogleft(Tright)$ regretを達成する最初のアルゴリズムであることを示す。
  論文  参考訳（メタデータ） (2020-03-25T06:00:33Z)

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。