論文の概要: Causal-Temporal Event Graphs: A Formal Model for Recursive Agent Execution Traces
- arxiv url: http://arxiv.org/abs/2604.17557v1
- Date: Sun, 19 Apr 2026 17:57:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-21 21:52:52.581989
- Title: Causal-Temporal Event Graphs: A Formal Model for Recursive Agent Execution Traces
- Title（参考訳）: Causal-Temporal Event Graphs: 再帰的エージェント実行トレースの形式モデル
- Authors: Simon Foldvik,
- Abstract要約: 我々は、汎用型付き時間グラフの拡張手順として、直接イベントエミッションとサブエージェント呼び出しを定式化する。
CTEGは、ノードがタイムスタンプとイベントタイプを持つ根付きアーボラッセンスである。
CTEGフォーマリズムは、グローバルに整形された実行トレースの構成的構築をサポートする。
- 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: We introduce causal-temporal event graphs (CTEGs) as a formal model for fully resolved recursive agent execution records under single-parenthood causal semantics. We formalise direct event emissions and recursive subagent invocations as extension procedures on generic typed temporal graphs and show that the recursive closure $\mathscr{E}_\infty$ of the induced maximal dynamics starting from single causal roots consists entirely of finite sequences of CTEGs. A CTEG is a rooted arborescence whose nodes carry timestamps and event types, subject to the constraint that timestamps be strictly increasing along causal paths. We realise $\mathscr{E}_\infty$ as the increasing union of a recursive hierarchy $\mathscr{E}_0 \subseteq \mathscr{E}_1 \subseteq \cdots$ of agent execution levels parametrised by recursion depth, which is recognised as the ascending Kleene chain of a monotone operator $\varphi$ admitting $\mathscr{E}_\infty$ as its least fixed point. Although the introduction of the full hierarchy is natural, stabilisation occurs already at $\mathscr{E}_1$ if one insists that the internal construction of a subagent execution trace be a delegated and opaque computational unit. The CTEG formalism supports compositional construction of globally well-formed execution traces from local agent behaviour without centralised coordination, preserves well-formedness under partial execution failure, and admits a natural relational database encoding. The arborescent structure of CTEGs is further compatible with cryptographic Merkle tree commitments for tamper-evident session verification.
- Abstract（参考訳）: 我々は,単一親の因果意味論に基づく完全解決された再帰的エージェント実行レコードの形式モデルとして,因果時間イベントグラフ(CTEG)を導入した。
一般型付き時間グラフ上の拡張手順として直接事象の放出と再帰的サブエージェントの呼び出しを定式化し、単一の因果根から始まる最大動力学の帰納的閉包$\mathscr{E}_\infty$がCTEGの有限列からなることを示す。
CTEGは、ノードがタイムスタンプとイベントタイプを持ち、因果経路に沿ってタイムスタンプが厳格に増加するという制約を受ける根性アーボラッセンスである。
我々は、再帰的階層の和として $\mathscr{E}_\infty$ を、再帰的階層の和として $\mathscr{E}_0 \subseteq \mathscr{E}_1 \subseteq \cdots$ 再帰深さによってパラメトリー化されたエージェント実行レベルの$ と認識する。
完全な階層の導入は自然であるが、サブエージェント実行トレースの内部構造がデリゲートされた不透明な計算単位であると主張する場合、安定化は$\mathscr{E}_1$で既に発生している。
CTEGフォーマリズムは、局所的なエージェント動作から、集中的な調整なしに、グローバルに整形された実行トレースを構成的に構築することをサポートし、部分的な実行障害下での整形性を維持し、自然なリレーショナルデータベースのエンコーディングを許可する。
CTEGのアーボラッセンス構造は、暗黙のセッション検証のための暗号Merkleツリーのコミットメントとさらに互換性がある。
関連論文リスト
- Circuit Complexity of Hierarchical Knowledge Tracing and Implications for Log-Precision Transformers [2.688207424884465]
経験的に、再帰不変木で訓練されたトランスフォーマーエンコーダは、置換不変ショートカットに収束する。
これらの知見は, 階層構造に基づく事前知識追跡のための構造認識的目的と反復的メカニズムを動機付けている。
論文 参考訳（メタデータ） (2026-03-25T01:10:42Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Capturing P: On the Expressive Power and Efficient Evaluation of Boolean Retrieval [0.0]
現代の情報検索は、単純な文書フィルタリングから複雑でニューロシンボリックな推論へと移行しつつある。
我々は、DAG(Directed Acyclic Graphs)に基づく形式的検索言語(mathcalL_R$)を提示し、複雑性クラスを$mathbfP$で取得することを証明する。
この研究は、インデックスを汎用計算エンジンに変換する理論的基礎を確立する。
論文 参考訳（メタデータ） (2026-01-26T18:07:40Z) - Memory-Amortized Inference: A Topological Unification of Search, Closure, and Structure [6.0044467881527614]
単一の幾何学基板の位相遷移として学習と記憶を統一する形式的フレームワークであるtextbfMemory-Amortized Inference (MAI) を提案する。
我々は,高複雑さ探索を低複雑さ検索に変換することによって認知が機能することを示す。
この枠組みは、遅い思考(推論)から速い思考(直観)の出現に関する厳密な説明を提供する。
論文 参考訳（メタデータ） (2025-11-28T16:28:24Z) - Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
大規模言語モデルに基づくマルチエージェントシステムは、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。
我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
論文 参考訳（メタデータ） (2025-10-16T05:35:37Z) - Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
線形木探索はLarge Language Model (LLM) 研究の基盤となっている。
本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-11T03:29:18Z) - Respecting Temporal-Causal Consistency: Entity-Event Knowledge Graphs for Retrieval-Augmented Generation [69.45495166424642]
我々は,物語文書における時間的,因果的,文字的整合性を理解するために,頑健で差別的なQAベンチマークを開発する。
次に、バイナリマッピングでリンクされたエンティティとイベントのサブグラフを分離したまま保持するデュアルグラフフレームワークであるEntity-Event RAG(E2RAG)を紹介します。
ChronoQA全体で、我々のアプローチは最先端の非構造化およびKGベースのRAGベースラインよりも優れており、因果一貫性クエリや文字整合性クエリが顕著である。
論文 参考訳（メタデータ） (2025-06-06T10:07:21Z) - Complete the Cycle: Reachability Types with Expressive Cyclic References (Extended Version) [2.9406674433083686]
Reachability Typesは、高次のプログラムのエイリアスと分離を追跡する。
RTを表現性を高める3つのメカニズムで拡張する。
これらの拡張は$mathsfF_:circ$-calculusで定式化され、型音の機械的な証明である。
論文 参考訳（メタデータ） (2025-03-10T13:42:02Z) - A complete logic for causal consistency [0.0]
本モデルでは,グラフ上の因果構造を調べるツールとしてグラフ型を導入する。
グラフ型の性質は、ポムセット論理を保守的に拡張する新しい因果論理の因果一貫性の完全性を証明するために使われる。
因果論理がポムセット論理を保守的に拡張するという事実を利用して、ポムセットとBVを分離する文の物理的に意味のある解釈を与える。
論文 参考訳（メタデータ） (2024-03-14T11:36:53Z) - OrthoReg: Improving Graph-regularized MLPs via Orthogonality
Regularization [66.30021126251725]
グラフニューラルネットワーク(GNN)は現在、グラフ構造データのモデリングにおいて支配的である。
グラフ正規化ネットワーク(GR-MLP)はグラフ構造情報をモデル重みに暗黙的に注入するが、その性能はほとんどのタスクにおいてGNNとほとんど一致しない。
GR-MLPは,最大数個の固有値が埋め込み空間を支配する現象である次元崩壊に苦しむことを示す。
次元崩壊問題を緩和する新しいGR-MLPモデルであるOrthoRegを提案する。
論文 参考訳（メタデータ） (2023-01-31T21:20:48Z)
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。
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。