論文の概要: Reliable agent engineering should integrate machine-compatible organizational principles

• arxiv url: http://arxiv.org/abs/2512.07665v1
• Date: Mon, 08 Dec 2025 15:58:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.954258
• Title: Reliable agent engineering should integrate machine-compatible organizational principles
• Title（参考訳）: 信頼性の高いエージェントエンジニアリングは、マシン互換の組織原則を統合するべきである
• Authors: R. Patrick Xian, Garry A. Gabison, Ahmed Alaa, Christoph Riedl, Grigorios G. Chrysos,
• Abstract要約: 大規模言語モデル(LLM)と組織科学における互換性のあるフレームワークの並列性について検討する。 信頼性と有効性を達成するために、AIエージェントエンジニアリングの組織原則に関する3つの予備的な説明を提供する。
• 参考スコア（独自算出の注目度）: 9.238842846189103
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: As AI agents built on large language models (LLMs) become increasingly embedded in society, issues of coordination, control, delegation, and accountability are entangled with concerns over their reliability. To design and implement LLM agents around reliable operations, we should consider the task complexity in the application settings and reduce their limitations while striving to minimize agent failures and optimize resource efficiency. High-functioning human organizations have faced similar balancing issues, which led to evidence-based theories that seek to understand their functioning strategies. We examine the parallels between LLM agents and the compatible frameworks in organization science, focusing on what the design, scaling, and management of organizations can inform agentic systems towards improving reliability. We offer three preliminary accounts of organizational principles for AI agent engineering to attain reliability and effectiveness, through balancing agency and capabilities in agent design, resource constraints and performance benefits in agent scaling, and internal and external mechanisms in agent management. Our work extends the growing exchanges between the operational and governance principles of AI systems and social systems to facilitate system integration.
• Abstract（参考訳）: 大規模言語モデル(LLM)上に構築されたAIエージェントが社会に浸透するにつれて、コーディネーション、コントロール、デリゲート、説明責任といった問題は、信頼性に関する懸念と絡み合っている。 LLMエージェントを信頼性の高い操作を中心に設計し実装するためには、エージェントの障害を最小限に抑え、リソース効率を最適化する努力をしながら、アプリケーション設定におけるタスクの複雑さを考慮し、それらの制限を減らす必要がある。 高機能な人間の組織は、同様のバランスの問題に直面しており、それが彼らの機能戦略を理解しようとするエビデンスベースの理論につながっている。 LLMエージェントと組織科学における互換性のあるフレームワークの並列性について検討し,信頼性向上に向けて,組織の設計,スケーリング,管理がエージェントシステムにどのような影響を及ぼすかに注目した。 エージェント設計におけるエージェントと能力のバランス、エージェントスケーリングにおけるリソース制約とパフォーマンス上のメリット、エージェント管理における内部および外部メカニズムのバランスを通じて、AIエージェントエンジニアリングのための組織原則の3つの予備的な説明を提供する。 私たちの仕事は、システム統合を促進するために、AIシステムと社会システムの運用原則とガバナンス原則の間の交流を拡大します。

関連論文リスト

• AgentEvolver: Towards Efficient Self-Evolving Agent System [51.54882384204726]
  本稿では,自律型エージェント学習を駆動する自己進化型エージェントシステムであるAgentEvolverを紹介する。 AgentEvolverは、セルフクエスト、セルフナビゲート、セルフコントリビューションという3つのシナジスティックメカニズムを導入している。 予備実験により、AgentEvolverは従来のRLベースのベースラインと比較して、より効率的な探索、より優れたサンプル利用、より高速な適応を実現していることが示された。
  論文  参考訳（メタデータ） (2025-11-13T15:14:47Z)
• TRiSM for Agentic AI: A Review of Trust, Risk, and Security Management in LLM-based Agentic Multi-Agent Systems [8.683314804719506]
  本稿では,エージェントマルチエージェントシステム(AMAS)における信頼・リスク・セキュリティマネジメント(TRiSM)の構造的分析について述べる。 まず、エージェントAIの概念的基礎を調べ、従来のAIエージェントとアーキテクチャ的区別を強調します。 次に、Textit Explainability、ModelOps、Security、Privacy、Textittheirのガバナンスガバナンスといった重要な柱を中心に構築された、エージェントAIのためのAI TRiSMフレームワークを適応して拡張します。 調整失敗から調整失敗まで、エージェントAIのユニークな脅威と脆弱性を捉えるためにリスク分類法が提案されている。
  論文  参考訳（メタデータ） (2025-06-04T16:26:11Z)
• LLM Agents Should Employ Security Principles [60.03651084139836]
  本稿では,大規模言語モデル(LLM)エージェントを大規模に展開する際には,情報セキュリティの確立した設計原則を採用するべきであることを論じる。 AgentSandboxは、エージェントのライフサイクル全体を通して保護を提供するために、これらのセキュリティ原則を組み込んだ概念的なフレームワークである。
  論文  参考訳（メタデータ） (2025-05-29T21:39:08Z)
• Inherent and emergent liability issues in LLM-based agentic systems: a principal-agent perspective [0.0]
  大規模言語モデル(LLM)を利用したエージェントシステムは、徐々に複雑になり、能力も向上している。 エージェントの増加とデプロイメント設定の拡大は、効果的なガバナンスポリシや監視、コントロールプロトコルへの関心の高まりを招いている。 我々は, LLMエージェントとその拡張システムの委譲利用による潜在的な責任問題について, プリンシパル・エージェントの観点から分析する。
  論文  参考訳（メタデータ） (2025-04-04T08:10:02Z)
• Agentic Business Process Management: Practitioner Perspectives on Agent Governance in Business Processes [0.7270112855088837]
  生成AIの台頭に伴い、ソフトウェアエージェントへの産業的関心が高まりつつある。 本稿では,組織がAIエージェントを効果的に管理する方法を検討する。 AIエージェントの採用に責任を負う6つの重要な推奨事項を概説している。
  論文  参考訳（メタデータ） (2025-03-23T20:15:24Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• Embodied LLM Agents Learn to Cooperate in Organized Teams [46.331162216503344]
  大規模言語モデル(LLM)は、推論、計画、意思決定のための統合的なツールとして登場した。 本稿では,これらの問題を緩和するために,LSMエージェントにプロンプトベースの組織構造を課す枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-19T06:39:47Z)

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。