論文の概要: Loosely-Structured Software: Engineering Context, Structure, and Evolution Entropy in Runtime-Rewired Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2603.15690v1
- Date: Mon, 16 Mar 2026 02:07:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-18 17:42:06.889524
- Title: Loosely-Structured Software: Engineering Context, Structure, and Evolution Entropy in Runtime-Rewired Multi-Agent Systems
- Title（参考訳）: ゆるやかに構造化されたソフトウェア:実行時制御マルチエージェントシステムにおける工学的コンテキスト、構造、進化的エントロピー
- Authors: Weihao Zhang, Yitong Zhou, Huanyu Qu, Hongyi Li,
- Abstract要約: 堅牢なマルチエージェントシステムの構築には、不確実性の下で複雑性を管理するアーキテクチャに重点を置くエンジニアリングの規律が必要である。
本稿では,決定論的論理の構成から実行時エントロピーの管理へと,工学的焦点を移すソフトウェアシステムであるemphLoosely-Structured Software (LSS)を紹介する。
- 参考スコア（独自算出の注目度）: 9.34019956999278
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As LLM-based multi-agent systems (MAS) become more autonomous, their free-form interactions increasingly dominate system behavior. However, scaling the number of agents often amplifies context pressure, coordination errors, and system drift. It is well known that building robust MAS requires more than prompt tuning or increased model intelligence. It necessitates engineering discipline focused on architecture to manage complexity under uncertainty. We characterize agentic software by a core property: \emph{runtime generation and evolution under uncertainty}. Drawing upon and extending software engineering experience, especially object-oriented programming, this paper introduces \emph{Loosely-Structured Software (LSS)}, a new class of software systems that shifts the engineering focus from constructing deterministic logic to managing the runtime entropy generated by View-constructed programming, semantic-driven self-organization, and endogenous evolution. To make this entropy governable, we introduce design principles under a three-layer engineering framework: \emph{View/Context Engineering} to manage the execution environment and maintain task-relevant Views, \emph{Structure Engineering} to organize dynamic binding over artifacts and agents, and \emph{Evolution Engineering} to govern the lifecycle of self-rewriting artifacts. Building on this framework, we develop LSS design patterns as semantic control blocks that stabilize fluid, inference-mediated interactions while preserving agent adaptability. Together, these abstractions improve the \emph{designability}, \emph{scalability}, and \emph{evolvability} of agentic infrastructure. We provide basic experimental validation of key mechanisms, demonstrating the effectiveness of LSS.
- Abstract（参考訳）: LLMベースのマルチエージェントシステム(MAS)がより自律的になるにつれて、自由形式の相互作用がシステムの振る舞いを支配している。
しかし、エージェントの数は、しばしばコンテキストプレッシャー、調整エラー、システムドリフトを増幅する。
堅牢なMASの構築には、迅速なチューニングやモデルインテリジェンスの向上以上のものが必要であることはよく知られている。
不確実性の下で複雑性を管理するには、アーキテクチャに重点を置くエンジニアリングの規律が必要です。
エージェントソフトウェアをコア特性として,不確実性の下でのemph{runtime generation and evolutionを特徴付ける。
本稿では,ソフトウェアエンジニアリングの経験,特にオブジェクト指向プログラミングを描画し,拡張するソフトウェアシステム (LSS) について紹介する。これは,工学的焦点を決定論的論理の構築から,ビュー構築プログラミング,セマンティック駆動型自己組織化,内在的進化によって生成される実行時エントロピーの管理に移行するソフトウェアシステムである。
このエントロピーを統制可能にするために、実行環境を管理しタスク関連ビューを維持するための \emph{View/Context Engineering} 、アーティファクトやエージェントに対する動的バインディングを組織する \emph{Structure Engineering} 、自己書き換えアーティファクトのライフサイクルを管理するための \emph{Evolution Engineering} という3層エンジニアリングフレームワークを設計原則として導入する。
この枠組みに基づいて,エージェント適応性を維持しつつ,流体と推論による相互作用を安定化する意味制御ブロックとしてLSS設計パターンを開発する。
これらの抽象化により、エージェントインフラストラクチャの \emph{designability} 、 \emph{scalability} 、 \emph{evolvability} が改善される。
鍵機構の基本的な実験的検証を行い,LSSの有効性を実証した。
関連論文リスト
- Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - The Auton Agentic AI Framework [5.410458076724158]
人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。
大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。
本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
論文 参考訳（メタデータ） (2026-02-27T06:42:08Z) - Architecting AgentOS: From Token-Level Context to Emergent System-Level Intelligence [13.062618208633483]
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。
論文 参考訳（メタデータ） (2026-02-24T14:12:21Z) - El Agente Gráfico: Structured Execution Graphs for Scientific Agents [7.47895130442454]
タイプセーフな実行環境内に,大規模言語モデル(LLM)による意思決定を組み込んだ単一エージェントフレームワークであるEl Agente Grficoを紹介する。
我々のアプローチの中心は、科学概念の構造化された抽象化と、型付きPythonオブジェクトとして計算状態を表すオブジェクトグラフマッパーである。
大学レベルの量子化学タスクのスイートにまたがって,自動ベンチマークフレームワークを開発することにより,システムの評価を行う。
論文 参考訳（メタデータ） (2026-02-19T23:47:05Z) - Architecting AgentOps Needs CHANGE [0.0]
エージェントAIシステムのアーキテクチャには、コントロールループの管理から、エージェント、インフラストラクチャ、人間の監視間の動的共進化の実現へのシフトが必要だ、と私たちは主張する。
本稿では,エージェントAIシステムを運用する6つの機能からなる概念的フレームワークを紹介する。
論文 参考訳（メタデータ） (2026-01-10T06:51:39Z) - Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。
我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。
この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文 参考訳（メタデータ） (2025-12-27T01:52:06Z) - Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。
既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。
協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
論文 参考訳（メタデータ） (2025-07-24T09:17:41Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - 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。