論文の概要: Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence

• arxiv url: http://arxiv.org/abs/2602.20934v1
• Date: Tue, 24 Feb 2026 14:12:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-25 17:34:53.781654
• Title: Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence
• Title（参考訳）: AgentOSのアーキテクチャ:Token-Levelコンテキストから創発的なシステムレベルインテリジェンスへ
• Authors: ChengYou Li, XiaoDong Liu, XiangBao Meng, XinYu Zhao,
• Abstract要約: 本稿では,大規模言語モデルを再定義する包括的概念フレームワークであるAgentOSを提案する。 メモリページング割り込み処理やプロセススケジューリングといった古典的なOS抽象化をLLMネイティブな構造にマッピングすることにより、このレビューは、レジリエンスでスケーラブルで自己進化的な認知環境を設計するための厳密なロードマップを提供する。
• 参考スコア（独自算出の注目度）: 13.062618208633483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The paradigm of Large Language Models is undergoing a fundamental transition from static inference engines to dynamic autonomous cognitive systems.While current research primarily focuses on scaling context windows or optimizing prompt engineering the theoretical bridge between micro scale token processing and macro scale systemic intelligence remains fragmented.This paper proposes AgentOS,a holistic conceptual framework that redefines the LLM as a "Reasoning Kernel" governed by structured operating system logic.Central to this architecture is Deep Context Management which conceptualizes the context window as an Addressable Semantic Space rather than a passive buffer.We systematically deconstruct the transition from discrete sequences to coherent cognitive states introducing mechanisms for Semantic Slicing and Temporal Alignment to mitigate cognitive drift in multi-agent orchestration.By mapping classical OS abstractions such as memory paging interrupt handling and process scheduling onto LLM native constructs, this review provides a rigorous roadmap for architecting resilient scalable and self-evolving cognitive environments.Our analysis asserts that the next frontier of AGI development lies in the architectural efficiency of system-level coordination.
• Abstract（参考訳）: 大規模言語モデルのパラダイムは、静的推論エンジンから動的自律認知システムへの根本的な移行が進行中である。最近の研究は、主にコンテキストウィンドウのスケーリングや迅速なエンジニアリングに重点を置いているが、マイクロスケールトークン処理とマクロスケールのシステムインテリジェンスの間の理論的ブリッジは、断片化されている。この記事では、LLMを再定義する総合的な概念的フレームワークであるAgentOSを提案する。これは、構造化オペレーティングシステムロジックが支配する「推論カーネル」である。このアーキテクチャとは、コンテキストウィンドウをパッシブバッファではなくアドレス可能なセマンティック空間として概念化するDeep Context Managementである。我々は、離散シーケンスから、セマンティックスライシングとテンポラルアライメントのメカニズムを取り入れた、離散的シーケンスからコヒーレントな認知状態への遷移を系統的に分解し、多次元の認知を緩和する。

関連論文リスト

• Systems Explaining Systems: A Framework for Intelligence and Consciousness [0.0]
  本稿では,予測やドメイン固有のメカニズムではなく,関係構造から知性と意識が出現する概念的枠組みを提案する。 本稿では,高次系が時間とともに低次系の関係パターンを学習し,解釈する際に,意識が出現するシステム記述系原理を紹介する。 このフレームワークは、予測処理を明示的な予測よりも文脈解釈の創発的な結果として再設定する。
  論文  参考訳（メタデータ） (2026-01-07T11:19:22Z)
• The Meta-Prompting Protocol: Orchestrating LLMs via Adversarial Feedback Loops [0.6345523830122167]
  Meta-Prompt Protocolは、プログラム可能な自己最適化システムとして、大規模言語モデルのオーケストレーションを形式化する。 自然言語命令を意味グラフ内の微分可能な変数として扱い、テキストの批判を勾配として利用することにより、幻覚を緩和し、モデル崩壊を防ぐ。
  論文  参考訳（メタデータ） (2025-12-17T03:32:21Z)
• Descriptor-Based Object-Aware Memory Systems: A Comprehensive Review [0.0]
  現代のコンピューティングシステムのセキュリティと効率は、ハイレベルなプログラムセマンティクスを伝播するネイティブアーキテクチャメカニズムが欠如していることによって損なわれている。 本稿では,このセマンティックギャップを埋めるために設計されたアーキテクチャパラダイムを包括的に調査する。 このパラダイムにより、ハードウェアはソフトウェア定義オブジェクトのリッチなセマンティクスを動的に取得し、強制することができる。
  論文  参考訳（メタデータ） (2025-10-31T00:39:27Z)
• 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)
• CAM: A Constructivist View of Agentic Memory for LLM-Based Reading Comprehension [55.29309306566238]
  現在のLarge Language Models (LLM) は、長文文書を解釈する際に圧倒的な情報量に直面している。 この課題は、バニラLSMを自律的な読み出しエージェントに高めることができる凝集性メモリモジュールの必須性を高める。 我々はジャン・ピアジェの構成主義理論(Constructivist Theory)からインスピレーションを得て、エージェントメモリの3つの特性(構造化スキーマ、フレキシブルな同化、動的調節)を表現した。
  論文  参考訳（メタデータ） (2025-10-07T02:16:30Z)
• Executable Ontologies: Synthesizing Event Semantics with Dataflow Architecture [51.56484100374058]
  我々は、セマンティックイベントセマンティクスとデータフローアーキテクチャを統合することで、従来のビジネスプロセス管理システムの限界に対処できることを実証する。 大胆なシーエンジニアリングのアーキテクチャは、セマンティックモデルをコンパイルなしで実行可能なアルゴリズムとして解釈する。 実行時にイベントモデルを変更することで、透明性を確保し、統一されたセマンティックフレームワーク内でデータとビジネスロジックをシームレスにマージする。
  論文  参考訳（メタデータ） (2025-09-11T18:12:46Z)
• Discrete Tokenization for Multimodal LLMs: A Comprehensive Survey [69.45421620616486]
  本研究は、大規模言語モデル(LLM)用に設計された離散トークン化手法の最初の構造的分類と解析である。 古典的および近代的なパラダイムにまたがる8つの代表的なVQ変種を分類し、アルゴリズムの原理を分析し、力学を訓練し、LLMパイプラインとの統合に挑戦する。 コードブックの崩壊、不安定な勾配推定、モダリティ固有の符号化制約など、重要な課題を特定する。
  論文  参考訳（メタデータ） (2025-07-21T10:52:14Z)
• Leveraging Large Language Model for Intelligent Log Processing and Autonomous Debugging in Cloud AI Platforms [1.819979627431298]
  本稿では,Large Language Model (LLM) に基づくインテリジェントログ処理と自動デバッグフレームワークである Intelligent Debugger (LLM-ID) を提案する。 クラウドプラットフォームログデータセットの実験では、LLM-IDは障害位置の精度を16.2%向上させており、これは現在の主流メソッドよりも大幅に向上している。
  論文  参考訳（メタデータ） (2025-06-22T04:58:37Z)
• Guiding the PLMs with Semantic Anchors as Intermediate Supervision: Towards Interpretable Semantic Parsing [57.11806632758607]
  本稿では,既存の事前学習言語モデルを階層型デコーダネットワークに組み込むことを提案する。 第一原理構造をセマンティックアンカーとすることで、2つの新しい中間管理タスクを提案する。 いくつかのセマンティック解析ベンチマークで集中的な実験を行い、我々のアプローチがベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2022-10-04T07:27:29Z)

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。