論文の概要: On Time, Within Budget: Constraint-Driven Online Resource Allocation for Agentic Workflows

• arxiv url: http://arxiv.org/abs/2605.06110v1
• Date: Thu, 07 May 2026 12:24:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.762669
• Title: On Time, Within Budget: Constraint-Driven Online Resource Allocation for Agentic Workflows
• Title（参考訳）: 時間、予算内部: エージェントワークフローのための制約駆動型オンラインリソース割り当て
• Authors: Xinglin Wang, Zishen Liu, Shaoxiong Feng, Peiwen Yuan, Yiwei Li, Jiayi Shi, Yueqi Zhang, Chuyi Tan, Ji Zhang, Boyuan Pan, Yao Hu, Kan Li,
• Abstract要約: エージェントシステムはオーケストレートされた実行によって複雑なユーザリクエストを解決し、サブタスクは特定のモデルやツールに割り当てられ、依存関係に応じて調整される。 これにより、平均的な効率最適化から、ワークフロー全体が明確な予算と期限の制約の下で正常に完了する確率の最大化へとゴールをシフトします。 本稿では,シミュレーションされたワークフローの実行と観察結果の更新を通じて,制約された完了確率を直接推定する軽量クローズドループプランナであるemphMonte Carlo Portfolio Planning (MCPP)を提案する。
• 参考スコア（独自算出の注目度）: 37.22092976146466
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agentic systems increasingly solve complex user requests by executing orchestrated workflows, where subtasks are assigned to specialized models or tools and coordinated according to their dependencies. While recent work improves agent efficiency by optimizing the performance--cost--latency frontier, real deployments often impose concrete requirements: a workflow must be completed within a specified budget and before a specified deadline. This shifts the goal from average efficiency optimization to maximizing the probability that the entire workflow completes successfully under explicit budget and deadline constraints. We study \emph{constraint-driven online resource allocation for agentic workflows}. Given a dependency-structured workflow and estimates of success rates and generation lengths for each subtask--model pair, the executor allocates models and parallel samples across simultaneously executable subtasks while managing the remaining budget and time. We formulate this setting as a finite-horizon stochastic online allocation problem and propose \emph{Monte Carlo Portfolio Planning} (MCPP), a lightweight closed-loop planner that directly estimates constrained completion probability through simulated workflow executions and replans after observed outcomes. Experiments on CodeFlow and ProofFlow demonstrate that MCPP consistently improves constrained completion probability over strong baselines across a wide range of budget--deadline constraints.
• Abstract（参考訳）: エージェントシステムは、特定のモデルやツールにサブタスクを割り当て、依存関係に応じて調整するオーケストレーションワークフローを実行することで、複雑なユーザリクエストをますます解決します。 最近の作業ではパフォーマンス-コスト-レイテンシのフロンティアを最適化することでエージェント効率が向上するが、実際のデプロイメントでは具体的な要件が課されることが多い。 これにより、平均的な効率最適化から、ワークフロー全体が明確な予算と期限の制約の下で正常に完了する確率の最大化へとゴールをシフトします。 エージェントワークフローのためのemph{constraint-driven online resource allocationについて検討する。 依存関係が構造化されたワークフローと、各サブタスク-モデルペアの成功率と生成期間を推定すると、エグゼキュータは、残りの予算と時間を管理しながら、同時に実行可能なサブタスク間でモデルと並列サンプルを割り当てる。 本稿では,有限水平確率的オンラインアロケーション問題としてこの設定を定式化し,シミュレーションされたワークフローの実行と観察結果の更新を通じて制約された完了確率を直接推定する軽量クローズドループプランナである 'emph{Monte Carlo Portfolio Planning} (MCPP) を提案する。 CodeFlowとProofFlowの実験では、MCPPは幅広い予算-遅延制約の強いベースラインに対して、制約付き完了確率を一貫して改善している。

関連論文リスト

• Flow: Modularized Agentic Workflow Automation [53.073598156915615]
  大規模言語モデル(LLM)を利用したマルチエージェントフレームワークは、自動計画とタスク実行において大きな成功を収めている。 しかし, 実行中のエージェントの効果的な調整は十分に研究されていない。 本稿では,エージェントによる継続的なワークフロー改善を可能にするアクティビティ・オン・頂点(AOV)グラフを定義する。 提案するマルチエージェントフレームワークは,サブタスクの効率的な同時実行,効果的なゴール達成,エラー耐性の向上を実現している。
  論文  参考訳（メタデータ） (2025-01-14T04:35:37Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• Multi-objective Optimization of Clustering-based Scheduling for Multi-workflow On Clouds Considering Fairness [4.021507306414546]
  本稿では,資源割り当てのためのクラスタリングに基づくマルチワークフロースケジューリング手法を提案する。 実験結果から,提案手法の精度は,提案手法が比較アルゴリズムよりも優れており,全体の規模とコストと,個別の公平性を著しく損なうことなく性能が向上することが示された。
  論文  参考訳（メタデータ） (2022-05-23T10:25:16Z)

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。