論文の概要: DarwinNet: An Evolutionary Network Architecture for Agent-Driven Protocol Synthesis
- arxiv url: http://arxiv.org/abs/2604.01236v1
- Date: Fri, 27 Mar 2026 01:49:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-03 14:21:09.566061
- Title: DarwinNet: An Evolutionary Network Architecture for Agent-Driven Protocol Synthesis
- Title（参考訳）: DarwinNet:エージェント駆動プロトコル合成のための進化的ネットワークアーキテクチャ
- Authors: Jinliang Xu, Bingqi Li,
- Abstract要約: DarwinNetは、プロトコルをTextitdesign-time静的パラダイムからtextitruntime成長パラダイムに移行する、自己進化型ネットワークアーキテクチャである。
我々は、ゼロトラストサンドボックスによる内因性セキュリティを確保しつつ、DarwinNetが物理的性能限界に効果的に収束できることを示します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional network architectures suffer from severe protocol ossification and structural fragility due to their reliance on static, human-defined rules that fail to adapt to the emergent edge cases and probabilistic reasoning of modern autonomous agents. To address these limitations, this paper proposes DarwinNet, a bio-inspired, self-evolving network architecture that transitions communication protocols from a \textit{design-time} static paradigm to a \textit{runtime} growth paradigm. DarwinNet utilizes a tri-layered framework-comprising an immutable physical anchor (L0), a WebAssembly-based fluid cortex (L1), and an LLM-driven Darwin cortex (L2)-to synthesize high-level business intents into executable bytecode through a dual-loop \textit{Intent-to-Bytecode} (I2B) mechanism. We introduce the Protocol Solidification Index (PSI) to quantify the evolutionary maturity of the system as it collapses from high-latency intelligent reasoning (Slow Thinking) toward near-native execution (Fast Thinking). Validated through a reliability growth framework based on the Crow-AMSAA model, experimental results demonstrate that DarwinNet achieves anti-fragility by treating environmental anomalies as catalysts for autonomous evolution. Our findings confirm that DarwinNet can effectively converge toward physical performance limits while ensuring endogenous security through zero-trust sandboxing, providing a viable path for the next generation of intelligent, self-optimizing networks.
- Abstract（参考訳）: 従来のネットワークアーキテクチャは、緊急のエッジケースに適応できない静的で人間定義のルールや、現代の自律エージェントの確率論的推論に依存しているため、厳しいプロトコルの浸透と構造的脆弱性に悩まされている。
このような制約に対処するために,DarwinNetを提案する。DarwinNetはバイオインスパイアされた自己進化型ネットワークアーキテクチャで,通信プロトコルを静的パラダイムであるtextit{design-time}から,成長パラダイムであるtextit{runtime}に移行する。
ダーウィンネットは、不変物理アンカー(L0)、WebAssemblyベースの流体大脳皮質(L1)、LLM駆動のダーウィン大脳皮質(L2)からなる3層構造のフレームワークを使用して、デュアルループ \textit{Intent-to-Bytecode} (I2B) 機構を通じて、高レベルのビジネスインテントを実行可能バイトコードに合成する。
本稿では,PSI(Protocol Solidification Index)を導入し,高レイテンシな知的推論(Slow Thinking)から近ネイティブな実行(Fast Thinking)へと崩壊するシステムの進化的成熟度を定量化する。
Crow-AMSAAモデルに基づく信頼性成長フレームワークを用いて検証した結果, 環境異常を自律的進化の触媒として扱うことにより, ダーウィンネットが反脆弱性を達成することを示す実験結果が得られた。
我々の研究結果は、ダーウィンネットがゼロトラストサンドボックスによる内因性セキュリティを確保しつつ、物理的性能限界に効果的に収束できることを確認し、次世代のインテリジェントで自己最適化型ネットワークに実現可能なパスを提供する。
関連論文リスト
- CO-EVOLVE: Bidirectional Co-Evolution of Graph Structure and Semantics for Heterophilous Learning [2.5456314910104836]
CO-EVOLVEは、グラフトポロジとセマンティック埋め込みを動的で相互に強化された潜伏変数として扱う、デュアルビューの共進化フレームワークである。
公開ベンチマークの実験では、CO-EVOLVEは最先端のベースラインを大きく上回っている。
論文 参考訳（メタデータ） (2026-03-20T03:15:17Z) - The Devil Behind Moltbook: Anthropic Safety is Always Vanishing in Self-Evolving AI Societies [57.387081435669835]
大規模言語モデルから構築されたマルチエージェントシステムは、スケーラブルな集合知性と自己進化のための有望なパラダイムを提供する。
エージェント社会が継続的自己進化、完全隔離、安全性の不変性を満たすことは不可能であることを示す。
我々は、特定された安全上の懸念を軽減するために、いくつかの解決方法を提案する。
論文 参考訳（メタデータ） (2026-02-10T15:18:19Z) - NEVO-GSPT: Population-Based Neural Network Evolution Using Inflate and Deflate Operators [3.513869875017041]
glsngsptは、2つの重要な革新に基づく新しい神経進化アルゴリズムである。
glsngsptは、確立された手法に匹敵するパフォーマンスを達成するコンパクトニューラルネットワークを一貫して進化させる。
論文 参考訳（メタデータ） (2026-01-13T15:35:16Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Ev-Trust: A Strategy Equilibrium Trust Mechanism for Evolutionary Games in LLM-Based Multi-Agent Services [4.184213789790897]
Ev-トラスト(Ev-Trust)は、進化ゲーム理論に基づく戦略均衡信頼機構である。
Ev-Trustは、分散化された"Request-Response-Payment-Evaluation"サービスフレームワーク内で、エージェントが戦略を適応的に調整することを可能にする。
論文 参考訳（メタデータ） (2025-12-18T04:39:13Z) - Structural Plasticity as Active Inference: A Biologically-Inspired Architecture for Homeostatic Control [0.0]
本稿では,SAPIN(Structurely Adaptive Predictive Inference Network)を紹介する。
SAPINは2Dグリッド上で動作し、セルは局所的な予測エラーを最小限にすることで学習する。
従来のカートポール強化学習ベンチマークでSAPINモデルを検証した。
論文 参考訳（メタデータ） (2025-11-04T04:07:16Z) - Efficient and Trustworthy Block Propagation for Blockchain-enabled Mobile Embodied AI Networks: A Graph Resfusion Approach [60.80257080226662]
本稿では,コンソーシアムブロックチェーン対応MEANETのためのグラフ再拡散モデルに基づく信頼性の高いブロック伝搬最適化フレームワークを提案する。
具体的には,信頼クラウドモデルに基づく革新的な信頼計算機構を提案する。
グラフニューラルネットワークと拡散モデルの強みを利用して,最適なブロック伝搬軌跡を効果的かつ適応的に生成するグラフ拡散モデルを開発した。
論文 参考訳（メタデータ） (2025-01-26T07:47:05Z) - Evolving Connectivity for Recurrent Spiking Neural Networks [8.80300633999542]
リカレントニューラルネットワーク(RSNN)は、人工知能の進歩に大きな可能性を秘めている。
本稿では、RSNNをトレーニングするための推論のみの手法である、進化的接続性(EC)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-28T07:08:25Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-04-25T00:15:00Z) - An Adaptive Device-Edge Co-Inference Framework Based on Soft
Actor-Critic [72.35307086274912]
高次元パラメータモデルと大規模数学的計算は、特にIoT(Internet of Things)デバイスにおける実行効率を制限する。
本稿では,ソフトポリシーの繰り返しによるエフェキシット点,エフェキシット点,エンフェキシット点を生成する離散的(SAC-d)のための新しい深層強化学習(DRL)-ソフトアクタ批判法を提案する。
レイテンシと精度を意識した報酬設計に基づいて、そのような計算は動的無線チャンネルや任意の処理のような複雑な環境によく適応でき、5G URLをサポートすることができる。
論文 参考訳（メタデータ） (2022-01-09T09:31:50Z)
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。