論文の概要: Assistants, Not Architects: The Role of LLMs in Networked Systems Design

• arxiv url: http://arxiv.org/abs/2604.25506v1
• Date: Tue, 28 Apr 2026 11:08:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.831827
• Title: Assistants, Not Architects: The Role of LLMs in Networked Systems Design
• Title（参考訳）: アーキテクトではなくアシスタント: ネットワークシステム設計におけるLLMの役割
• Authors: Pratyush Sahu, Rahul Bothra, Venkat Arun, Brighten Godfrey, Akshay Narayan, Ahmed Saeed,
• Abstract要約: アーキテクチャ設計のための軽量な推論フレームワークであるKeplerを紹介します。 Kepler氏は、システム、ハードウェア、ワークロードを制約として、アーキテクチャ上重要な特性 – 要求、不互換性、質的なトレードオフ – をエンコードしている。 抽象レベルで動作し、詳細なシステム動作ではなく、ルール・オブ・サンプ'をキャプチャする。
• 参考スコア（独自算出の注目度）: 2.148120280426879
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Designing the architecture of modern networked systems requires navigating a large, combinatorial space of hardware, systems, and configuration choices with complex cross-layer interactions. Architects must balance competing objectives such as performance, cost, and deployability while satisfying compatibility and resource constraints, often relying on scattered rules-of-thumb drawn from benchmarks, papers, documentation, and expert experience. This raises a natural question: can large language models (LLMs) reliably perform this kind of architectural reasoning? We find that they cannot. While LLMs produce plausible configurations, they frequently miss critical constraints, encode incorrect assumptions, and exhibit ``stickiness'' to familiar patterns. A natural workaround--iterative validation via simulation or experimentation--is often prohibitively expensive at scale and, in many cases, infeasible, particularly when comparing hardware-dependent alternatives. Motivated by this gap, we present Kepler, a lightweight reasoning framework for architecture design that combines structured, expert-driven specifications with SMT-based optimization. Kepler encodes architecturally significant properties--requirements, incompatibilities, and qualitative trade-offs--about systems, hardware, and workloads as constraints, and synthesizes feasible designs that optimize user-defined objectives. It operates at an abstract level, capturing ``rules-of-thumb'' rather than detailed system behavior, enabling tractable reasoning while preserving key interactions, and provides explanations for its decisions. Through experiments and case studies, we show that Kepler uncovers interactions missed by LLMs and supports systematic, explainable design exploration.
• Abstract（参考訳）: 現代のネットワークシステムのアーキテクチャを設計するには、ハードウェア、システム、構成の選択を複雑な層間相互作用で行う必要がある。 アーキテクトは、互換性とリソース制約を満たす一方で、パフォーマンス、コスト、デプロイ可能性といった競合する目標をバランスさせなければなりません。 大きな言語モデル(LLM)は、この種のアーキテクチャ推論を確実に実行できますか? 彼らはできない。 LLMはもっともらしい構成を生成するが、クリティカルな制約を見逃し、誤った仮定をエンコードし、慣れ親しんだパターンに '`stickiness'' を示す。 自然な回避策 — シミュレーションや実験によるイテレーティブな検証 — は、大規模かつ多くの場合、特にハードウェア依存の代替品を比較する場合には、不可能なほど高価であることが多い。 このギャップに触発されたKeplerは、構造化された専門家主導の仕様とSMTベースの最適化を組み合わせたアーキテクチャ設計のための軽量な推論フレームワークである。 システム、ハードウェア、ワークロードを制約として扱い、ユーザ定義の目的を最適化する実行可能な設計を合成する。 これは抽象的なレベルで動作し、詳細なシステム動作ではなく ``rules-of-thumb'' をキャプチャし、キーインタラクションを保ちながらトラクタブルな推論を可能にし、その決定に関する説明を提供する。 実験とケーススタディを通じて、ケプラーはLLMの欠落した相互作用を明らかにし、体系的で説明可能な設計探索をサポートすることを示す。

関連論文リスト

• Automatic Ontology Construction Using LLMs as an External Layer of Memory, Verification, and Planning for Hybrid Intelligent Systems [0.0]
  本稿では,大規模言語モデル(LLM)を外部オントロジメモリ層で拡張したインテリジェントシステムのためのハイブリッドアーキテクチャを提案する。 提案手法は,RDF/OWL表現を用いた構造化知識グラフの構築と維持を行う。
  論文  参考訳（メタデータ） (2026-04-22T17:19:43Z)
• LayerTracer: A Joint Task-Particle and Vulnerable-Layer Analysis framework for Arbitrary Large Language Model Architectures [2.175079806379993]
  本稿では,アーキテクチャに依存しないエンドツーエンド分析フレームワークであるLayerTracerを提案する。 隠れ状態を層ごとに抽出し,語彙的確率分布にマッピングすることにより,タスク粒子の局所化と層脆弱性の定量化を共同で解析する。
  論文  参考訳（メタデータ） (2026-04-22T13:38:15Z)
• Intelligent Co-Design: An Interactive LLM Framework for Interior Spatial Design via Multi-Modal Agents [0.0]
  クライアントは設計知識を欠いているため、遅れたタイムラインや金銭的損失につながるため、通信ミスが頻繁に発生します。 生成的レイアウトツールの最近の進歩は、3Dビジュアライゼーションの自動化によってギャップを狭めている。 本研究では,自然言語記述や画像を動的に3D設計に変換するLLMベースのマルチモーダルマルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T14:28:51Z)
• RooflineBench: A Benchmarking Framework for On-Device LLMs via Roofline Analysis [53.90240071275054]
  SLM(Small Language Models)によるローカライズドインテリジェンスへの移行により、リソース制約のあるエッジハードウェア上での厳密なパフォーマンス評価の必要性が高まっている。 運用強度レンズ(OI)によるアーキテクチャプリミティブとハードウェア制約を統一する体系的フレームワークを提案する。 推論-ポテンシャル領域を定義することにより、同一ハードウェア基板上のLarge Language Models(LLM)の効率差を比較するための新しい指標として、相対推論ポテンシャルを導入する。
  論文  参考訳（メタデータ） (2026-02-12T03:02:22Z)
• Closed-Loop LLM Discovery of Non-Standard Channel Priors in Vision Models [48.83701310501069]
  大規模言語モデル(LLM)はニューラルアーキテクチャサーチ(NAS)に対する変換的アプローチを提供する 我々は、LLMが性能テレメトリに基づいてアーキテクチャ仕様を洗練する条件付きコード生成タスクのシーケンスとして検索を定式化する。 AST(Abstract Syntax Tree)変異を用いて,有効かつ整合性のあるアーキテクチャの膨大なコーパスを生成する。 CIFAR-100の実験結果は、この手法の有効性を検証し、精度の統計的に有意な改善をもたらすことを示した。
  論文  参考訳（メタデータ） (2026-01-13T13:00:30Z)
• Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
  我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。 条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。 各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。 実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T05:28:28Z)
• RemoteReasoner: Towards Unifying Geospatial Reasoning Workflow [19.502882116487005]
  リモートセンシング画像は、大きく、本質的に非構造的な空間データを提示する。 地理空間推論のための統合ワークフローであるRemoteReasonerを提案する。 RemoteReasonerは、複数の粒度推論タスクにわたる最先端(SOTA)パフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-07-25T13:58:11Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Do LLMs Dream of Discrete Algorithms? [0.7646713951724011]
  大規模言語モデル(LLM)は、人工知能の風景を急速に変化させてきた。 確率的推論への依存は、厳密な論理的推論を必要とする領域における有効性を制限する。 本稿では,論理ベースの推論モジュールでLLMを増強するニューロシンボリックアプローチを提案する。
  論文  参考訳（メタデータ） (2025-06-29T22:03:01Z)

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。