Fugu-MT 論文翻訳(概要): Making Sense of AI Agents Hype: Adoption, Architectures, and Takeaways from Practitioners

論文の概要: Making Sense of AI Agents Hype: Adoption, Architectures, and Takeaways from Practitioners

arxiv url: http://arxiv.org/abs/2604.00189v1
Date: Tue, 31 Mar 2026 19:41:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-02 16:44:31.70099
Title: Making Sense of AI Agents Hype: Adoption, Architectures, and Takeaways from Practitioners
Title（参考訳）: AIエージェントのセンスを作る - 実践者による採用、アーキテクチャ、成果
Authors: Ruoyu Su, Matteo Esposito, Roberta Capuano, Rafiullah Omar, June Sallou, Henry Muccini, Davide Taibi,
Abstract要約: 我々は、企業がエージェントベースのアーキテクチャをどのように採用するかを調べるために、記録された138の講演を分析した。また、LLM駆動のエージェントシステムの実装および運用に使用されるアプリケーションドメインや技術についても分析を行った。
参考スコア（独自算出の注目度）: 3.4020675058141023
License: http://creativecommons.org/licenses/by/4.0/
Abstract: To support practitioners in understanding how agentic systems are designed in real-world industrial practice, we present a review of practitioner conference talks on AI agents. We analyzed 138 recorded talks to examine how companies adopt agent-based architectures (Objective 1), identify recurring architectural strategies and patterns (Objective 2), and analyze application domains and technologies used to implement and operate LLM-driven agentic systems (Objective 3).
Abstract（参考訳）: 現実の産業実践においてエージェントシステムがいかに設計されているかを理解する実践者を支援するために,我々は,AIエージェントに関する実践者会議のレビューを紹介する。我々は、企業がエージェントベースのアーキテクチャをどのように採用するか(Objective 1)、繰り返し発生するアーキテクチャ戦略とパターンを特定する(Objective 2)、LCM駆動のエージェントシステムの実装と運用に使用されるアプリケーションドメインと技術を分析する(Objective 3)。

関連論文リスト

Empowering Real-World: A Survey on the Technology, Practice, and Evaluation of LLM-driven Industry Agents [63.03252293761656]
本稿では,大規模言語モデル(LLM)に基づく産業エージェントの技術,応用,評価手法を体系的にレビューする。エージェント能力の進歩を支える3つの重要な技術柱として,記憶,計画,ツール利用について検討する。本稿では,デジタル工学,科学的発見,具体的インテリジェンス,協調ビジネス実行,複雑なシステムシミュレーションといった実世界の領域における産業エージェントの応用の概要について述べる。
論文参考訳（メタデータ） (2025-10-20T12:46:55Z)
A Survey on Agentic Multimodal Large Language Models [84.18778056010629]
エージェントマルチモーダル大言語モデル(Agentic MLLMs)に関する総合的な調査を行う。我々は,エージェントMLLMの新たなパラダイムを探求し,その概念的基盤を明確にし,従来のMLLMエージェントとの特徴を区別する。コミュニティのためのこの分野の研究をさらに加速するため、エージェントMLLMを開発するためのオープンソースのトレーニングフレームワーク、トレーニングおよび評価データセットをコンパイルする。
論文参考訳（メタデータ） (2025-10-13T04:07:01Z)
Agentic AI Frameworks: Architectures, Protocols, and Design Challenges [0.0]
人工知能では、人工知能エージェントが目標指向の自律性、文脈推論、動的マルチエージェント調整を示す。本稿では,CrewAI,LangGraph,AutoGen,Semantic Kernel,Agno,Google ADK,MetaGPTなど,主要なエージェントAIフレームワークの体系的レビューと比較分析を行う。この分野における重要な制限、新たなトレンド、オープンな課題を特定します。
論文参考訳（メタデータ） (2025-08-13T19:16:18Z)
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)
Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文参考訳（メタデータ） (2025-06-22T16:52:48Z)
TRiSM for Agentic AI: A Review of Trust, Risk, and Security Management in LLM-based Agentic Multi-Agent Systems [8.683314804719506]
本稿では,エージェントマルチエージェントシステム(AMAS)における信頼・リスク・セキュリティマネジメント(TRiSM)の構造的分析について述べる。まず、エージェントAIの概念的基礎を調べ、従来のAIエージェントとアーキテクチャ的区別を強調します。次に、Textit Explainability、ModelOps、Security、Privacy、Textittheirのガバナンスガバナンスといった重要な柱を中心に構築された、エージェントAIのためのAI TRiSMフレームワークを適応して拡張します。調整失敗から調整失敗まで、エージェントAIのユニークな脅威と脆弱性を捉えるためにリスク分類法が提案されている。
論文参考訳（メタデータ） (2025-06-04T16:26:11Z)
Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文参考訳（メタデータ） (2025-03-27T12:50:17Z)
AI Agents: Evolution, Architecture, and Real-World Applications [0.0]
本稿は、AIエージェントの進化、アーキテクチャ、実践的応用を、AIエージェントの初期から、認識、計画、ツール使用のための専用のモジュールを備えた大規模言語モデルを統合した近代的なシステムへ移行する。
論文参考訳（メタデータ） (2025-03-16T23:07:48Z)

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。