論文の概要: Robust Agent Compensation (RAC): Teaching AI Agents to Compensate
- arxiv url: http://arxiv.org/abs/2605.03409v1
- Date: Tue, 05 May 2026 06:27:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-06 19:35:43.801646
- Title: Robust Agent Compensation (RAC): Teaching AI Agents to Compensate
- Title（参考訳）: ロバストエージェント補償(RAC):AIエージェントに補償を教える
- Authors: Srinath Perera, Kaviru Hapuarachchi, Frank Leymann, Rania Khalaf,
- Abstract要約: 本稿では、アーキテクチャ拡張によって実装されたログベースのリカバリパラダイム(セーフティネットを提供する)であるRobust Agent Compensation(RAC)を提案する。
ユーザは、現在のエージェントコードを変更することなく、RACを有効にすることができる。
RACは、最先端のLCMベースのリカバリアプローチと比較して、レイテンシとトークンエコノミーの両方で1.5～8倍よい。
- 参考スコア（独自算出の注目度）: 1.3077849036833011
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Robust Agent Compensation (RAC), a log-based recovery paradigm (providing a safety net) implemented through an architectural extension that can be applied to most Agent frameworks to support reliable executions (avoiding unintended side effects). Users can choose to enable RAC without changing their current agent code (e.g., LangGraph agents). The proposed approach can be implemented in most existing agent frameworks via their existing extension points. We present an implementation based on LangChain, demonstrate its viability through the $τ$-bench and REALM-Bench, and show that when solving complex problems, RAC is 1.5-8X or more better in both latency and token economy compared to state-of-the-art LLM-based recovery approaches.
- Abstract（参考訳）: 本稿では、ログベースのリカバリパラダイムであるRobust Agent Compensation(RAC)を、ほとんどのAgensフレームワークに適用可能なアーキテクチャ拡張を通じて実装し、信頼性の高い実行をサポートする(意図しない副作用を回避する)。
ユーザは、現在のエージェントコード(例えば、LangGraphエージェント)を変更することなく、RACを有効にすることができる。
提案されたアプローチは、既存の拡張ポイントを通じて、ほとんどの既存のエージェントフレームワークで実装できる。
本稿では,LangChainをベースとした実装を提案し,その実現性を$τ$-benchとREALM-Benchで示すとともに,複雑な問題を解く場合,RACは最先端のLCMベースのリカバリ手法と比較して,レイテンシとトークン経済の両面で1.5-8倍以上優れていることを示す。
関連論文リスト
- SBOMs into Agentic AIBOMs: Schema Extensions, Agentic Orchestration, and Reproducibility Evaluation [11.812618112854116]
ソフトウェアサプライチェーンのセキュリティには、動的実行条件下での脆弱性評価をサポートするプロビデンスメカニズムが必要である。
本稿では,AIBOM(Agenic Artificial Intelligence Bills of Materials)を紹介する。
i)ベースライン環境再構築剤(MCP)、(ii)ランタイム依存性およびドリフト監視剤(A2A)、(iii)ポリシー対応脆弱性とVEX推論剤(AGNTCY)からなるマルチエージェントアーキテクチャに基づくエージェントAIBOMフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-09T19:11:45Z) - Language Model Agents Under Attack: A Cross Model-Benchmark of Profit-Seeking Behaviors in Customer Service [15.896831937702174]
顧客とサービスの相互作用において、利益を追求する直接的なインジェクションのクロスドメインベンチマーク。
5つのテクニックファミリーにグループ化された 現実的な攻撃スクリプト100。
攻撃はドメインに依存している(航空サポートは最も悪用できる)し、技術に依存している(支払いは最も一貫して効果的である)。
論文 参考訳（メタデータ） (2025-12-30T18:57:52Z) - AgentBalance: Backbone-then-Topology Design for Cost-Effective Multi-Agent Systems under Budget Constraints [7.38359558170225]
大規模言語モデル(LLM)ベースのマルチエージェントシステム(MAS)は、Webスケールアプリケーションにとって必須のビルディングブロックになりつつある。
我々は、トークンコストと遅延の明確な予算の下で、コスト効率の良いMASを構築するためのフレームワークであるAgentBalanceを提案する。
論文 参考訳（メタデータ） (2025-12-12T10:08:03Z) - Self-Abstraction from Grounded Experience for Plan-Guided Policy Refinement [61.35824395228412]
大規模言語モデル(LLM)ベースのエージェントは、ソフトウェア工学のタスクに取り組むためにますます使われています。
エージェントが自身のタスク実行から学習することを可能にするフレームワークであるSAGE(Self-Abstraction from Grounded Experience)を提案する。
論文 参考訳（メタデータ） (2025-11-08T08:49:38Z) - Open Agent Specification (Agent Spec): A Unified Representation for AI Agents [10.685555728094338]
我々はAIエージェントとエージェントを定義する宣言型言語Open Agent Specification(Agent Spec)を紹介する。
Agent Specは、コンポーネント、コントロールとデータフローのセマンティクス、スキーマの共通セットを定義し、エージェントを一度定義し、異なるランタイム間で実行できるようにする。
論文 参考訳（メタデータ） (2025-10-05T12:26:42Z) - AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。
エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。
AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
論文 参考訳（メタデータ） (2025-08-22T10:35:56Z) - The Real Barrier to LLM Agent Usability is Agentic ROI [110.31127571114635]
大規模言語モデル(LLM)エージェントは、人間とAIの相互作用において有望な変化を示す。
我々は、需要の高いマスマーケットアプリケーションにおいて、重要なユーザビリティギャップを強調します。
論文 参考訳（メタデータ） (2025-05-23T11:40:58Z) - Gödel Agent: A Self-Referential Agent Framework for Recursive Self-Improvement [112.04307762405669]
G"odel AgentはG"odelマシンにインスパイアされた自己進化型フレームワークである。
G"odel Agentは、パフォーマンス、効率、一般化性において手作業によるエージェントを上回る、継続的な自己改善を実現することができる。
論文 参考訳（メタデータ） (2024-10-06T10:49:40Z)
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。