論文の概要: Sophia: A Persistent Agent Framework of Artificial Life

• arxiv url: http://arxiv.org/abs/2512.18202v1
• Date: Sat, 20 Dec 2025 03:56:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.231486
• Title: Sophia: A Persistent Agent Framework of Artificial Life
• Title（参考訳）: Sophia: 永続的な人工生命のエージェントフレームワーク
• Authors: Mingyang Sun, Feng Hong, Weinan Zhang,
• Abstract要約: Sophia は "Persistent Agent" ラッパーで、連続的な自己改善ループを LLM 中心の System 1/2 スタックに移植する。 プロセス管理思考探索、物語記憶、ユーザと自己モデリング、ハイブリッド報酬システムという4つの相乗的メカニズムによって駆動される。 独立して様々なタスクを起動し実行し、繰り返し操作の推論ステップを80%削減する。
• 参考スコア（独自算出の注目度）: 28.114645157988658
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of LLMs has elevated AI agents from task-specific tools to long-lived, decision-making entities. Yet, most architectures remain static and reactive, tethered to manually defined, narrow scenarios. These systems excel at perception (System 1) and deliberation (System 2) but lack a persistent meta-layer to maintain identity, verify reasoning, and align short-term actions with long-term survival. We first propose a third stratum, System 3, that presides over the agent's narrative identity and long-horizon adaptation. The framework maps selected psychological constructs to concrete computational modules, thereby translating abstract notions of artificial life into implementable design requirements. The ideas coalesce in Sophia, a "Persistent Agent" wrapper that grafts a continuous self-improvement loop onto any LLM-centric System 1/2 stack. Sophia is driven by four synergistic mechanisms: process-supervised thought search, narrative memory, user and self modeling, and a hybrid reward system. Together, they transform repetitive reasoning into a self-driven, autobiographical process, enabling identity continuity and transparent behavioral explanations. Although the paper is primarily conceptual, we provide a compact engineering prototype to anchor the discussion. Quantitatively, Sophia independently initiates and executes various intrinsic tasks while achieving an 80% reduction in reasoning steps for recurring operations. Notably, meta-cognitive persistence yielded a 40% gain in success for high-complexity tasks, effectively bridging the performance gap between simple and sophisticated goals. Qualitatively, System 3 exhibited a coherent narrative identity and an innate capacity for task organization. By fusing psychological insight with a lightweight reinforcement-learning core, the persistent agent architecture advances a possible practical pathway toward artificial life.
• Abstract（参考訳）: LLMの開発は、タスク固有のツールから長期的な意思決定エンティティまで、AIエージェントを高くしている。 しかし、ほとんどのアーキテクチャは静的でリアクティブで、手動で定義された狭いシナリオと結びついています。 これらのシステムは知覚に優れる(システム) 1) and deliberation (System) 2) 恒常的なメタ層は欠如しており, アイデンティティの維持, 推論の検証, 短期的行動と長期的生存を一致させる。 まず,エージェントの物語的アイデンティティと長期的適応を主眼とする第3層システム3を提案する。 フレームワークは、選択された心理的構成物を具体的な計算モジュールにマッピングし、人工生命の抽象的な概念を実装可能な設計要件に変換する。 ソフィアのアイデアは、連続的な自己改善ループを LLM 中心の System 1/2 スタックに移植する "Persistent Agent" ラッパーである。 Sophiaは、プロセス管理思考検索、物語記憶、ユーザと自己モデリング、ハイブリッド報酬システムという4つの相乗的メカニズムによって駆動される。 同時に、反復的推論を自己駆動の自伝的プロセスに変換し、アイデンティティの連続性と透過的な行動説明を可能にする。 論文は主に概念的だが,議論を定着させるためには,コンパクトなエンジニアリングプロトタイプを提供する。 定量的には、ソフィアは独立に様々な本質的なタスクを開始し、繰り返し操作の推論ステップを80%削減する。 特に、メタ認知的永続性は、複雑度の高いタスクで40%の成功をもたらし、単純なゴールと洗練されたゴールの間のパフォーマンスギャップを効果的に埋めた。 質的に言えば、システム3はコヒーレントな物語のアイデンティティと、タスク組織に固有の能力を示した。 心理学的な洞察を軽量な強化学習コアに融合させることで、永続的なエージェントアーキテクチャは人工生命への実用的な経路を前進させる。

関連論文リスト

• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• Fundamentals of Building Autonomous LLM Agents [64.39018305018904]
  本稿では,大規模言語モデル(LLM)を用いたエージェントのアーキテクチャと実装手法について概説する。 この研究は、複雑なタスクを自動化し、人間の能力でパフォーマンスのギャップを埋めることのできる「アジェンティック」なLLMを開発するためのパターンを探求することを目的としている。
  論文  参考訳（メタデータ） (2025-10-10T10:32:39Z)
• Building Self-Evolving Agents via Experience-Driven Lifelong Learning: A Framework and Benchmark [57.59000694149105]
  本稿では、自己進化エージェントを構築するためのフレームワークである、経験駆動型生涯学習(ELL)を紹介する。 ELLは、Experience Exploration、Long-term Memory、Skill Learning、Knowledge Internalizationの4つのコア原則に基づいて構築されている。 また、学生の総合的な大学旅行をシミュレートするELLのベンチマークデータセットであるStuLifeを紹介した。
  論文  参考訳（メタデータ） (2025-08-26T13:04:28Z)
• Thinking Beyond Tokens: From Brain-Inspired Intelligence to Cognitive Foundations for Artificial General Intelligence and its Societal Impact [27.722167796617114]
  本稿では,人工知能,認知神経科学,心理学,生成モデル,エージェントベースシステムの学際的合成について述べる。 我々は汎用知能のアーキテクチャと認知の基礎を分析し、モジュラー推論、永続記憶、マルチエージェント協調の役割を強調した。 我々は、人工知能への道の鍵となる科学的、技術的、倫理的課題を特定します。
  論文  参考訳（メタデータ） (2025-07-01T16:52:25Z)
• Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
  大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。 我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
  論文  参考訳（メタデータ） (2025-05-28T15:20:09Z)
• Autonomous Deep Agent [0.7489814067742621]
  Deep Agentは、複雑なマルチフェーズタスクを管理するために設計された高度な自律AIシステムである。 システムの基盤は階層型タスクDAGフレームワーク上に構築されています。 Deep Agentは、自己管理型AIシステムにおいて、新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-02-10T21:46:54Z)

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。