論文の概要: SANet: A Semantic-aware Agentic AI Networking Framework for Cross-layer Optimization in 6G

• arxiv url: http://arxiv.org/abs/2512.22579v1
• Date: Sat, 27 Dec 2025 12:42:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.120429
• Title: SANet: A Semantic-aware Agentic AI Networking Framework for Cross-layer Optimization in 6G
• Title（参考訳）: SANet: 6Gの層間最適化のためのセマンティックなエージェントAIネットワークフレームワーク
• Authors: Yong Xiao, Xubo Li, Haoran Zhou, Yingyu Li, Yayu Gao, Guangming Shi, Ping Zhang, Marwan Krunz,
• Abstract要約: Agentic AI Network(AgentNet)は、多数の専門的AIエージェントが協力して自律的な意思決定、動的環境適応、複雑なミッションを実行する、新しいAIネイティブネットワーキングパラダイムである。 本稿では,ユーザのセマンティックな目標を推測し,ネットワークの異なるレイヤに関連付けられたエージェントを自動アサインして推定目標を達成する,無線ネットワークのための新しいセマンティック・アウェア・エージェントネットアーキテクチャであるSANetを提案する。 AgentNetは、一般的に協力するエージェントが異なる、さらには矛盾する目的を持つ分散化フレームワークであるという事実に動機付けられ、我々は、SANetの分散最適化をマルチエージェントマルチエージェントとして定式化する。
• 参考スコア（独自算出の注目度）: 41.93544556074424
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agentic AI networking (AgentNet) is a novel AI-native networking paradigm in which a large number of specialized AI agents collaborate to perform autonomous decision-making, dynamic environmental adaptation, and complex missions. It has the potential to facilitate real-time network management and optimization functions, including self-configuration, self-optimization, and self-adaptation across diverse and complex environments. This paper proposes SANet, a novel semantic-aware AgentNet architecture for wireless networks that can infer the semantic goal of the user and automatically assign agents associated with different layers of the network to fulfill the inferred goal. Motivated by the fact that AgentNet is a decentralized framework in which collaborating agents may generally have different and even conflicting objectives, we formulate the decentralized optimization of SANet as a multi-agent multi-objective problem, and focus on finding the Pareto-optimal solution for agents with distinct and potentially conflicting objectives. We propose three novel metrics for evaluating SANet. Furthermore, we develop a model partition and sharing (MoPS) framework in which large models, e.g., deep learning models, of different agents can be partitioned into shared and agent-specific parts that are jointly constructed and deployed according to agents' local computational resources. Two decentralized optimization algorithms are proposed. We derive theoretical bounds and prove that there exists a three-way tradeoff among optimization, generalization, and conflicting errors. We develop an open-source RAN and core network-based hardware prototype that implements agents to interact with three different layers of the network. Experimental results show that the proposed framework achieved performance gains of up to 14.61% while requiring only 44.37% of FLOPs required by state-of-the-art algorithms.
• Abstract（参考訳）: Agentic AI Network(AgentNet)は、多数の専門的AIエージェントが協力して自律的な意思決定、動的環境適応、複雑なミッションを実行する、新しいAIネイティブネットワーキングパラダイムである。 多様な複雑な環境にまたがる、自己設定、自己最適化、自己適応など、リアルタイムのネットワーク管理と最適化機能を促進する可能性がある。 本稿では,ユーザのセマンティックな目標を推測し,ネットワークの異なるレイヤに関連付けられたエージェントを自動アサインして推定目標を達成する,無線ネットワークのための新しいセマンティック・アウェア・エージェントネットアーキテクチャであるSANetを提案する。 エージェントネットは、一般的に、協力するエージェントが異なる、あるいは矛盾する目的を持つような分散化されたフレームワークであり、多エージェント多目的問題としてSANetの分散最適化を定式化し、異なる、潜在的に矛盾する目的を持つエージェントに対するパレート最適化ソリューションを見つけることに重点を置いている。 本稿では,SANetを評価するための3つの新しい指標を提案する。 さらに,モデル分割と共有(MoPS)フレームワークを開発し,エージェントのローカルな計算資源に基づいて共同で構築およびデプロイされる共有およびエージェント固有のパーツに,異なるエージェントの大規模モデル,例えばディープラーニングモデル)を分割する。 2つの分散最適化アルゴリズムが提案されている。 理論的境界を導出し、最適化、一般化、矛盾する誤りの間に三方向のトレードオフが存在することを証明する。 我々は,ネットワークの3つの異なるレイヤと対話するエージェントを実装した,オープンソースのRANとコアネットワークベースのハードウェアプロトタイプを開発した。 実験の結果、提案したフレームワークは14.61%の性能向上を実現し、最先端のアルゴリズムで要求されるFLOPの44.37%しか必要としなかった。

関連論文リスト

• Towards a Science of Scaling Agent Systems [79.64446272302287]
  エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。 協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。 ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
  論文  参考訳（メタデータ） (2025-12-09T06:52:21Z)
• Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
  6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。 エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
  論文  参考訳（メタデータ） (2025-12-04T03:09:33Z)
• Symbiotic Agents: A Novel Paradigm for Trustworthy AGI-driven Networks [1.5684305805304426]
  大規模言語モデル(LLM)に基づく自律エージェントは、6Gネットワークの進化において重要な役割を果たすことが期待されている。 我々は、LLMのリアルタイム最適化アルゴリズムをTrustworthy AIに組み合わせた新しいエージェントパラダイムを導入する。 本稿では,AGIネットワークのエンドツーエンドアーキテクチャを提案し,移動車からのチャネル変動をキャプチャする5Gテストベッド上で評価する。
  論文  参考訳（メタデータ） (2025-07-23T17:01:23Z)
• SANNet: A Semantic-Aware Agentic AI Networking Framework for Multi-Agent Cross-Layer Coordination [32.58053553811277]
  エージェントAIネットワーク(AgentNet)は、自律的な意思決定のためのコラボレーションとコーディネートのために、多数の専門のAIエージェントに依存している。 本稿では,セマンティックなエージェント型AIネットワークアーキテクチャであるSANNetを提案する。 SANNetは、競合する目的を持つエージェントが同じ目的のために協力するように選択された場合でも、マルチエージェントネットワークシステムの性能を著しく向上させることができることを示す。
  論文  参考訳（メタデータ） (2025-05-25T02:45:18Z)
• Towards Agentic AI Networking in 6G: A Generative Foundation Model-as-Agent Approach [35.05793485239977]
  本稿では,AIエージェント間のインタラクション,協調学習,知識伝達を支援する新しいフレームワークであるAgentNetを提案する。 本稿では,デジタルツイン方式の産業自動化とメタバース方式のインフォテインメントシステムという,2つの応用シナリオについて考察する。
  論文  参考訳（メタデータ） (2025-03-20T00:48:44Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• A Dynamic LLM-Powered Agent Network for Task-Oriented Agent Collaboration [55.35849138235116]
  本稿では,様々なタスクやドメインに対する動的コミュニケーション構造において,候補からエージェントのチームを自動的に選択する手法を提案する。 具体的には, LLMを利用したエージェント協調のための動的LLMパワーエージェントネットワーク(textDyLAN$)というフレームワークを構築した。 我々は、コード生成、意思決定、一般的な推論、算術的推論タスクにおいて、適度な計算コストで、DyLANが強力なベースラインを上回ることを実証する。
  論文  参考訳（メタデータ） (2023-10-03T16:05:48Z)

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。