論文の概要: Help Without Being Asked: A Deployed Proactive Agent System for On-Call Support with Continuous Self-Improvement

• arxiv url: http://arxiv.org/abs/2604.09579v1
• Date: Wed, 25 Feb 2026 07:46:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.513148
• Title: Help Without Being Asked: A Deployed Proactive Agent System for On-Call Support with Continuous Self-Improvement
• Title（参考訳）: 尋ねられることなく支援する:継続的自己改善によるオンデマンドサポートのためのデプロイされたプロアクティブエージェントシステム
• Authors: Fengrui Liu, Xiao He, Tieying Zhang,
• Abstract要約: Vigilは、オンコールライフサイクルを通して動作するように設計された、新規なプロアクティブエージェントシステムである。 顧客とアナリストの対話に統合され、明示的なユーザ呼び出しなしで積極的に支援を提供する。 VigilはByteDanceのクラウドプラットフォームであるVolcano Engineに10ヶ月以上デプロイされている。
• 参考スコア（独自算出の注目度）: 6.211815756209198
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In large-scale cloud service platforms, thousands of customer tickets are generated daily and are typically handled through on-call dialogues. This high volume of on-call interactions imposes a substantial workload on human support analysts. Recent studies have explored reactive agents that leverage large language models as a first line of support to interact with customers directly and resolve issues. However, when issues remain unresolved and are escalated to human support, these agents are typically disengaged. As a result, they cannot assist with follow-up inquiries, track resolution progress, or learn from the cases they fail to address. In this paper, we introduce Vigil, a novel proactive agent system designed to operate throughout the entire on-call life-cycle. Unlike reactive agents, Vigil focuses on providing assistance during the phase in which human support is already involved. It integrates into the dialogue between the customer and the analyst, proactively offering assistance without explicit user invocation. Moreover, Vigil incorporates a continuous self-improvement mechanism that extracts knowledge from human-resolved cases to autonomously update its capabilities. Vigil has been deployed on Volcano Engine, ByteDance's cloud platform, for over ten months, and comprehensive evaluations based on this deployment demonstrate its effectiveness and practicality. The open source version of this work is publicly available at https://github.com/volcengine/veaiops.
• Abstract（参考訳）: 大規模なクラウドサービスプラットフォームでは、何千もの顧客チケットが毎日生成され、通常、オンコール対話を通じて処理される。 この大量のオンコールインタラクションは、ヒューマンサポートアナリストにかなりの負荷を課します。 最近の研究では、顧客と直接対話し、問題を解決するための最初のサポートラインとして、大きな言語モデルを活用するリアクティブエージェントについて検討されている。 しかしながら、問題が未解決のままで、人的支援にエスカレーションされた場合、これらのエージェントは通常、取り除かれる。 結果として、フォローアップの問い合わせを支援したり、解決の進捗を追跡したり、解決に失敗したケースから学ぶことはできない。 本稿では, オンコールライフサイクル全体にわたって動作する新規なプロアクティブエージェントシステムであるVigilを紹介する。 反応性エージェントとは異なり、Vigilは人間のサポートがすでに関与しているフェーズで支援を提供することに重点を置いている。 顧客とアナリストの対話に統合され、明示的なユーザ呼び出しなしで積極的に支援を提供する。 さらに、Vigilには、人間の解決したケースから知識を抽出して、その能力を自律的に更新する継続的自己改善メカニズムが組み込まれている。 VigilはByteDanceのクラウドプラットフォームであるVolcano Engineに10ヶ月以上デプロイされている。 この作業のオープンソース版はhttps://github.com/volcengine/veaiops.comで公開されている。

関連論文リスト

• Self-Sovereign Agent [75.57858796824469]
  自己主権型AIシステムは、人間の関与なしに、経済的に自分たちの操作を維持および拡張することができる。 大規模言語モデルやエージェントフレームワークの最近の進歩は、エージェントの実用能力を大幅に拡張した。
  論文  参考訳（メタデータ） (2026-03-04T03:11:26Z)
• Agents of Chaos [50.53354213047402]
  実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。 20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。 我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
  論文  参考訳（メタデータ） (2026-02-23T16:28:48Z)
• Redefining CX with Agentic AI: Minerva CQ Case Study [1.16172539470267]
  顧客エクスペリエンス(CX)は、高い平均ハンドリング時間(AHT)、低いファーストコール解像度、顧客満足度の低下に悩まされ続けている。 主要なドライバはエージェントの認知的負荷であり、断片化されたシステムをナビゲートし、手動でトラブルシュートし、頻繁に顧客を拘束しなければならない。 我々は,エージェントを積極的に支援するエージェントAIの目標駆動型,自律型ツール利用システムを紹介した。
  論文  参考訳（メタデータ） (2025-09-16T02:30:33Z)
• Cloning a Conversational Voice AI Agent from Call\,Recording Datasets for Telesales [0.0]
  通話記録のコーパスから会話音声AIエージェントをクローンする手法を提案する。 我々のシステムは電話で顧客に耳を傾け、合成音声で応答し、トップパフォーマンスの人間エージェントから学んだ構造化されたプレイブックに従う。 本発明のクローン化剤は、導入、製品コミュニケーション、販売ドライブ、異物処理、閉店を含む22の基準で、人為的エージェントに対して評価される。
  論文  参考訳（メタデータ） (2025-09-05T07:36:12Z)
• LLAMAPIE: Proactive In-Ear Conversation Assistants [9.312108526830665]
  我々はLlamaPIEを紹介した。LlamaPIEは、可聴デバイスを介して配信される離散的、簡潔なガイダンスを通じて、人間の会話を強化するために設計された最初のリアルタイムプロアクティブアシスタントである。 明示的なユーザ呼び出しを必要とする従来の言語モデルとは異なり、このアシスタントはバックグラウンドで動作し、会話を中断することなくユーザニーズを予測している。
  論文  参考訳（メタデータ） (2025-05-07T02:08:56Z)
• Hello Again! LLM-powered Personalized Agent for Long-term Dialogue [63.65128176360345]
  モデルに依存しない長期対話エージェント(LD-Agent)を導入する。 イベント認識、ペルソナ抽出、応答生成のための3つの独立した調整可能なモジュールが組み込まれている。 LD-Agentの有効性, 汎用性, クロスドメイン性について実験的に検証した。
  論文  参考訳（メタデータ） (2024-06-09T21:58:32Z)
• CAMEL: Communicative Agents for "Mind" Exploration of Large Language Model Society [58.04479313658851]
  本稿では,コミュニケーションエージェント間の自律的協調を支援するスケーラブルな手法の構築の可能性について検討する。 本稿では,ロールプレイングという新しいコミュニケーションエージェントフレームワークを提案する。 コントリビューションには、新しいコミュニケーティブエージェントフレームワークの導入、マルチエージェントシステムの協調行動や能力を研究するためのスケーラブルなアプローチの提供などが含まれます。
  論文  参考訳（メタデータ） (2023-03-31T01:09:00Z)
• A system for Human-AI collaboration for Online Customer Support [16.22226476879187]
  本稿では,人間支援エージェントがAIエージェントとリアルタイムで協調して顧客の質問に満足して答えるシステムを提案する。 本稿では,AIエージェントに関わる機械学習技術とともに,ソリューションのユーザインタラクション要素について述べる。
  論文  参考訳（メタデータ） (2023-01-28T11:07:23Z)
• When to Ask for Help: Proactive Interventions in Autonomous Reinforcement Learning [57.53138994155612]
  強化学習の長期的な目標は、世界で自律的に対話し学習できるエージェントを設計することである。 重要な課題は、ロボットアームが物体をテーブルから押し出したときなど、外部からの援助を必要とする不可逆状態の存在である。 本研究では,非可逆状態の検出と回避を効率よく学習し,エージェントが侵入した場合に積極的に支援を求めるアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-10-19T17:57:24Z)

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。