論文の概要: Autogenesis: A Self-Evolving Agent Protocol

• arxiv url: http://arxiv.org/abs/2604.15034v2
• Date: Tue, 21 Apr 2026 11:30:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 14:04:47.694825
• Title: Autogenesis: A Self-Evolving Agent Protocol
• Title（参考訳）: オートジェネレーション:自己進化型エージェントプロトコル
• Authors: Wentao Zhang, Zhe Zhao, Haibin Wen, Yingcheng Wu, Ming Yin, Bo An, Mengdi Wang,
• Abstract要約: 本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。 本稿では,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精錬する自己進化型マルチエージェントシステムAGSを提案する。
• 参考スコア（独自算出の注目度）: 60.15939127351914
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent advances in LLM based agent systems have shown promise in tackling complex, long horizon tasks. However, existing agent protocols (e.g., A2A and MCP) under specify cross entity lifecycle and context management, version tracking, and evolution safe update interfaces, which encourages monolithic compositions and brittle glue code. We introduce Autogenesis Protocol (AGP), a self evolution protocol that decouples what evolves from how evolution occurs. Its Resource Substrate Protocol Layer (RSPL) models prompts, agents, tools, environments, and memory as protocol registered resources with explicit state, lifecycle, and versioned interfaces. Its Self Evolution Protocol Layer (SEPL) specifies a closed loop operator interface for proposing, assessing, and committing improvements with auditable lineage and rollback. Building on AGP, we present Autogenesis System (AGS), a self-evolving multi-agent system that dynamically instantiates, retrieves, and refines protocol-registered resources during execution. We evaluate AGS on multiple challenging benchmarks that require long horizon planning and tool use across heterogeneous resources. The results demonstrate consistent improvements over strong baselines, supporting the effectiveness of agent resource management and closed loop self evolution. The code is available at https://github.com/DVampire/Autogenesis.
• Abstract（参考訳）: LLMに基づくエージェントシステムの最近の進歩は、複雑で長い水平方向のタスクに対処する上で有望であることを示している。 しかしながら、クロスエンティティライフサイクルとコンテキスト管理、バージョントラッキング、進化の安全な更新インターフェースを規定する既存のエージェントプロトコル(例えば、A2AやCP)は、モノリシックなコンポジションと脆いグルーコードを促進する。 本稿では,自己進化プロトコルであるAutogenesis Protocol(AGP)を紹介する。 そのResource Substrate Protocol Layer (RSPL) モデルは、明示的な状態、ライフサイクル、バージョン管理されたインターフェースを持つプロトコル登録リソースとしてプロンプト、エージェント、ツール、環境、メモリをプロンプトする。 Self Evolution Protocol Layer (SEPL)は、監査可能な行数とロールバックによる改善の提案、評価、コミットのためのクローズドループ演算子インターフェースを規定している。 AGP上に構築された自動生成システム(AGS)は,実行中のプロトコル登録リソースを動的にインスタンス化し,検索し,精製する自己進化型マルチエージェントシステムである。 我々は、多種多様なリソースをまたいだ長期水平計画とツールの使用を必要とする複数の挑戦的なベンチマークでAGSを評価した。 その結果, エージェント資源管理と閉ループ自己進化の有効性を裏付ける, 強いベースラインに対する一貫した改善が示された。 コードはhttps://github.com/DVampire/Autogenesis.comで公開されている。

関連論文リスト

• When Only the Final Text Survives: Implicit Execution Tracing for Multi-Agent Attribution [10.973058523304042]
  IET(Implicit Execution Tracing)は、メタデータに依存しないフレームワークで、生成したテキストから直接トークンレベルの属性を作成できる。 生成中、エージェント固有のキー付き信号がトークン分布に埋め込まれ、秘密鍵でのみ検出可能な自己記述実行トレースに変換される。 検出時にエージェントハンドオーバポイントを特定し、インタラクショングラフを再構築する。
  論文  参考訳（メタデータ） (2026-03-18T07:34:51Z)
• CARD: Towards Conditional Design of Multi-agent Topological Structures [83.18278008173746]
  CARD(Conditional Agentic Graph Designer)は、アダプティブマルチエージェント通信のためのプロトコルであるAMACPをインスタンス化する、条件付きグラフ生成フレームワークである。 CARDは、モデル能力やリソース可用性の変化に対して効果的かつレジリエントな通信構造を生成する。
  論文  参考訳（メタデータ） (2026-03-01T13:02:36Z)
• 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)
• Refer-Agent: A Collaborative Multi-Agent System with Reasoning and Reflection for Referring Video Object Segmentation [50.22481337087162]
  Referring Video Object (RVOS) は、テキストクエリに基づくビデオ内のオブジェクトのセグメンテーションを目的としている。 Refer-Agent (Refer-Agent) は、共用多エージェントシステムである。
  論文  参考訳（メタデータ） (2026-02-03T14:48:12Z)
• SCOPE: Prompt Evolution for Enhancing Agent Effectiveness [53.75986399936395]
  大規模言語モデル(LLM)エージェントは、大規模で動的なコンテキストを生成する環境にますますデプロイされている。 エージェントはこのコンテキストにアクセスできますが、静的なプロンプトには効果的に管理するメカニズムがありません。 textbfSCOPE (Self-evolving Context Optimization via Prompt Evolution) を導入する。 本稿では,戦術的特異性(即時誤りの解消)と戦略的汎用性(長期原則の進化)のバランスをとるデュアルストリーム機構を提案する。
  論文  参考訳（メタデータ） (2025-12-17T12:25:05Z)
• Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
  大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。 その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。 本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
  論文  参考訳（メタデータ） (2025-08-28T13:00:28Z)
• MultiFuzz: A Dense Retrieval-based Multi-Agent System for Network Protocol Fuzzing [0.0]
  MultiFuzz(マルチファズ)は、プロトコルファズリングのための、新しい高密度検索ベースのマルチエージェントシステムである。 セマンティック・アウェア・コンテキスト検索、特殊エージェント、構造化ツール支援推論を統合している。 ブランチカバレッジを大幅に改善し、より深いプロトコル状態と最先端のファジィの移行を探求する。
  論文  参考訳（メタデータ） (2025-08-19T22:42:04Z)
• AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
  本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。 提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
  論文  参考訳（メタデータ） (2025-06-21T18:34:43Z)

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。