Fugu-MT 論文翻訳(概要): Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning

論文の概要: Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning

arxiv url: http://arxiv.org/abs/2602.00766v1
Date: Sat, 31 Jan 2026 15:07:11 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-03 19:28:33.386497
Title: Communications-Incentivized Collaborative Reasoning in NetGPT through Agentic Reinforcement Learning
Title（参考訳）: エージェント強化学習によるNetGPTにおけるコミュニケーション型協調推論
Authors: Xiaoxue Yu, Rongpeng Li, Zhifeng Zhao, Honggang Zhang,
Abstract要約: 本稿では,AIネイティブなxGネットワークのための統合エージェントNetGPTフレームワークを提案する。 NetGPTコアは、自律的な推論を行うか、エージェント通信を介してドメイン特化エージェントにサブタスクを委譲することができる。このフレームワークは、ネットワーク全体でスケーラブルで分散インテリジェンスを可能にする、明確な責任と相互運用性を確立する。
参考スコア（独自算出の注目度）: 12.904732640630014
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The evolution of next-Generation (xG) wireless networks marks a paradigm shift from connectivity-centric architectures to Artificial Intelligence (AI)-native designs that tightly integrate data, computing, and communication. Yet existing AI deployments in communication systems remain largely siloed, offering isolated optimizations without intrinsic adaptability, dynamic task delegation, or multi-agent collaboration. In this work, we propose a unified agentic NetGPT framework for AI-native xG networks, wherein a NetGPT core can either perform autonomous reasoning or delegate sub-tasks to domain-specialized agents via agentic communication. The framework establishes clear modular responsibilities and interoperable workflows, enabling scalable, distributed intelligence across the network. To support continual refinement of collaborative reasoning strategies, the framework is further enhanced through Agentic reinforcement learning under partially observable conditions and stochastic external states. The training pipeline incorporates masked loss against external agent uncertainty, entropy-guided exploration, and multi-objective rewards that jointly capture task quality, coordination efficiency, and resource constraints. Through this process, NetGPT learns when and how to collaborate, effectively balancing internal reasoning with agent invocation. Overall, this work provides a foundational architecture and training methodology for self-evolving, AI-native xG networks capable of autonomous sensing, reasoning, and action in complex communication environments.
Abstract（参考訳）: 次世代(xG)無線ネットワークの進化は、接続中心アーキテクチャから、データ、コンピューティング、通信を密に統合するAI(Artificial Intelligence)ネイティブデザインへのパラダイムシフトを表している。しかし、通信システムにおける既存のAIデプロイメントはほとんどがサイロ化されており、固有の適応性、動的タスクデリゲート、マルチエージェントコラボレーションのない独立した最適化を提供する。本研究では、AIネイティブなxGネットワークのための統合エージェントNetGPTフレームワークを提案する。これにより、NetGPTコアは、自律的推論やサブタスクをエージェント通信を介してドメイン特化エージェントに委譲することができる。このフレームワークは明確なモジュール型の責務と相互運用可能なワークフローを確立し、ネットワーク全体でスケーラブルで分散インテリジェンスを実現する。協調的推論戦略の継続的な改善を支援するため、部分的に観察可能な条件下でのエージェント強化学習と確率的外部状態により、フレームワークをさらに強化する。トレーニングパイプラインには、外部エージェントの不確実性に対するマスク付き損失、エントロピー誘導探索、タスク品質、調整効率、リソース制約を共同でキャプチャする多目的報酬が含まれている。このプロセスを通じて、NetGPTはいつ、どのように協力するかを学び、内部推論とエージェントの呼び出しを効果的にバランスさせる。全体として、この研究は、複雑な通信環境で自律的なセンシング、推論、アクションが可能な、自己進化型のAIネイティブなxGネットワークのための基礎的なアーキテクチャとトレーニングの方法論を提供する。

関連論文リスト

ComAgent: Multi-LLM based Agentic AI Empowered Intelligent Wireless Networks [62.031889234230725]
6Gネットワークは複雑な層間最適化に依存している。数学の定式化に高レベルの意図を手動で翻訳することは、まだボトルネックである。我々はマルチLLMエージェントAIフレームワークであるComAgentを紹介する。
論文参考訳（メタデータ） (2026-01-27T13:43:59Z)
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)
Adaptive and Resource-efficient Agentic AI Systems for Mobile and Embedded Devices: A Survey [11.537225726120495]
ファンデーションモデルは、断片化されたアーキテクチャをマルチモーダル推論とコンテキスト適応を備えたスケーラブルなバックボーンに統一することで、AIを再構築した。 FMを認知のコアとして、エージェントは自律性、一般化、自己回帰を達成するためにルールベースの振る舞いを超越する。この調査は、適応的でリソース効率の良いエージェントAIシステムの、最初の体系的な特徴を提供する。
論文参考訳（メタデータ） (2025-09-30T02:37:52Z)
Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文参考訳（メタデータ） (2025-07-28T17:58:12Z)
Internet of Agents: Fundamentals, Applications, and Challenges [68.9543153075464]
異種エージェント間のシームレスな相互接続、動的発見、協調的なオーケストレーションを可能にする基盤となるフレームワークとして、エージェントのインターネット(IoA)を紹介した。我々は,機能通知と発見,適応通信プロトコル,動的タスクマッチング,コンセンサスとコンフリクト解決機構,インセンティブモデルなど,IoAの重要な運用イネーラを分析した。
論文参考訳（メタデータ） (2025-05-12T02:04:37Z)
AgentNet: Decentralized Evolutionary Coordination for LLM-based Multi-Agent Systems [22.291969093748005]
AgentNet(エージェントネット)は、マルチエージェントシステムのための分散化された検索型生成(RAG)ベースのフレームワークである。静的ロールや集中制御の以前のアプローチとは異なり、AgentNetはエージェントがローカルの専門知識とコンテキストに基づいて接続とタスクのルーティングを調整することができる。実験の結果,AgentNetは単一エージェントと集中型マルチエージェントのベースラインよりも高いタスク精度を実現することがわかった。
論文参考訳（メタデータ） (2025-04-01T09:45:25Z)
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)

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。