論文の概要: SoDA: An Efficient Interaction Paradigm for the Agentic Web

• arxiv url: http://arxiv.org/abs/2512.22135v1
• Date: Thu, 11 Dec 2025 00:44:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-04 08:45:17.059786
• Title: SoDA: An Efficient Interaction Paradigm for the Agentic Web
• Title（参考訳）: SoDA: エージェントWebのための効果的なインタラクションパラダイム
• Authors: Zicai Cui, Zhouyuan Jian, Weiwen Liu, Weinan Zhang,
• Abstract要約: 我々は,時間削減から省エネへの根本的な変化を実現することを目的とした,将来指向のユーザ主権相互作用パラダイムを定義する。 メモリをアプリケーションロジックから切り離すと、データロックインの構造的基盤がなくなる。 明示的なマニュアル命令から暗黙的な意図のアライメントへのシフトは、実行の複雑さをオフロードすることで認知的過負荷を解消する。
• 参考スコア（独自算出の注目度）: 28.5099993831108
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the internet evolves from the mobile App-dominated Attention Economy to the Intent-Interconnection of the Agentic Web era, existing interaction modes fail to address the escalating challenges of data lock-in and cognitive overload. Addressing this, we defines a future-oriented user sovereignty interaction paradigm, aiming to realize a fundamental shift from killing time to saving time. Specifically, we argue that decoupling memory from application logic eliminates the structural basis of data lock-in, while shifting from explicit manual instruction to implicit intent alignment resolves cognitive overload by offloading execution complexity. This paradigm is implemented via the Sovereign Digital Avatar (SoDA), which employs an orthogonal decoupling design of storage, computation, and interaction. This establishes the architectural principle of data as a persistent asset, model as a transient tool, fundamentally breaking the platform monopoly on user memory. To support the operation of this new paradigm in zero-trust environments, we design an Intent-Permission Handshake Mechanism based on A2A protocols, utilizing dual-factor (Sensitivity Coefficient and Strictness Parameter) adaptive routing to achieve active risk governance. Empirical evaluation with a high-fidelity simulation environment indicates that this paradigm reduces token consumption by approximately 27-35\% during cross-platform service migration and complex task execution. Furthermore, in the orchestration of multi-modal complex tasks, it reduces user cognitive load by 72\% compared to standard Retrieval-Augmented Generation (RAG) architectures, by 88\% relative to manual workflows, while significantly boosting the Information Signal-to-Noise Ratio (SNR). These results demonstrate that the SoDA is the essential interaction infrastructure for building an efficient, low-friction, and decentralized Agentic Web.
• Abstract（参考訳）: インターネットがモバイルのApp-dominated Attention EconomyからAgenic Web時代のIntent-Interconnectionへと進化するにつれて、既存のインタラクションモードは、データロックインと認知的過負荷のエスカレートする課題に対処できない。 これに対応するために,我々は,時間削減から省エネへの根本的なシフトを実現することを目的とした,将来指向のユーザ主権相互作用パラダイムを定義した。 具体的には、メモリをアプリケーションロジックから切り離すことでデータロックインの構造的基盤をなくし、明示的なマニュアル命令から暗黙的な意図的アライメントへとシフトすることで、実行複雑性をオフロードすることで認知的過負荷を解消する。 このパラダイムはSovereign Digital Avatar (SoDA)を通じて実装されており、ストレージ、計算、相互作用の直交分離設計を採用している。 これにより、永続的なアセットとしてのデータのアーキテクチャ原則が確立され、トランジェントなツールとしてのモデルが、基本的にはユーザメモリ上のプラットフォーム独占を破ることになります。 A2Aプロトコルに基づく入出力ハンドシェイク機構を設計し、アクティブなリスク管理を実現するために2要素適応型ルーティング(感度係数と厳密度パラメータ)を利用する。 高忠実度シミュレーション環境による実証的な評価は、このパラダイムが、クロスプラットフォームサービス移行と複雑なタスク実行において、トークンの消費を約27～35倍削減することを示している。 さらに、マルチモーダルな複雑なタスクのオーケストレーションでは、標準的なレトリーバル拡張生成(RAG)アーキテクチャと比較して、ユーザ認知負荷を72%削減し、手動のワークフローに対して88%削減すると同時に、情報信号対雑音比(SNR)を大幅に向上させる。 これらの結果は、SoDAが効率的で低フリクションで分散化されたエージェントWebを構築する上で不可欠な相互作用基盤であることを実証している。

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)
• Distributed Dynamic Associative Memory via Online Convex Optimization [42.94410959330529]
  連想メモリ(AM)はキュー応答リコールを可能にしており、最近、トランスフォーマーのようなモダンなニューラルアーキテクチャの基礎となる重要なメカニズムとして認識されている。 本研究では、分散動的連想メモリ(DDAM)の概念を導入し、従来のAMを複数のエージェントと時間変化データストリームによる設定に拡張する。 DDAMでは、各エージェントは独自のアソシエーションを格納するだけでなく、特定の関心行列に基づいて他のエージェントからの情報を選択的に記憶するローカルAMを維持している。 DDAM-TOGDと呼ばれる木に基づく分散勾配オンライン降下アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-11-28T16:56:18Z)
• Cognitive Duality for Adaptive Web Agents [3.0069922338220825]
  本稿では,システム1とシステム2の認知過程を高速に分解する原理を提案する。 高速直感的な処理とタスクの複雑さに基づいた意図的な推論を適応的に切り替えるモジュール型エージェントアーキテクチャであるCogniWebに,このフレームワークを実装した。
  論文  参考訳（メタデータ） (2025-08-07T07:05:22Z)
• Lightweight Task-Oriented Semantic Communication Empowered by Large-Scale AI Models [66.57755931421285]
  大規模人工知能(LAI)モデルは、リアルタイム通信シナリオにおいて重大な課題を提起する。 本稿では,LAIモデルから知識を抽出・凝縮するために知識蒸留(KD)技術を活用することを提案する。 本稿では,反復推論の必要性を排除したプレストア圧縮機構を備えた高速蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-16T08:42:16Z)
• Graph Based Deep Reinforcement Learning Aided by Transformers for Multi-Agent Cooperation [2.8169258551959544]
  本稿では、グラフニューラルネットワーク(GNN)、深層強化学習(DRL)、マルチエージェント協調と集合タスク実行の強化のためのトランスフォーマーベースのメカニズムを統合する新しいフレームワークを提案する。 提案手法はGNNを用いて,適応グラフ構築によるエージェントエージェントとエージェントゴールの相互作用をモデル化し,制約付き通信下での効率的な情報集約と意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-04-11T01:46:18Z)
• AI-in-the-Loop Sensing and Communication Joint Design for Edge Intelligence [65.29835430845893]
  本稿では,AI-in-the-loopジョイントセンシングと通信によるエッジインテリジェンス向上のためのフレームワークを提案する。 私たちの研究の重要な貢献は、バリデーション損失とシステムのチューニング可能なパラメータとの間に明確な関係を確立することです。 提案手法は, 通信エネルギー消費を最大77%削減し, 試料数で測定した検知コストを最大52%削減する。
  論文  参考訳（メタデータ） (2025-02-14T14:56:58Z)
• An Effective-Efficient Approach for Dense Multi-Label Action Detection [23.100602876056165]
  i)時間的依存関係と(ii)共起行動関係を同時に学習する必要がある。 近年のアプローチは階層型トランスフォーマーネットワークによるマルチスケール特徴抽出による時間情報のモデル化である。 我々はこれを階層設計における複数のサブサンプリングプロセスと組み合わせることで、位置情報のさらなる喪失につながると論じている。
  論文  参考訳（メタデータ） (2024-06-10T11:33:34Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)

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。