Fugu-MT 論文翻訳(概要): Harness Engineering as Categorical Architecture

論文の概要: Harness Engineering as Categorical Architecture

arxiv url: http://arxiv.org/abs/2605.12239v1
Date: Tue, 12 May 2026 15:09:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-13 21:48:56.951479
Title: Harness Engineering as Categorical Architecture
Title（参考訳）: 分類的アーキテクチャとしてのハーネスエンジニアリング
Authors: Bogdan Banu,
Abstract要約: ArchAgentsフレームワークの分類的アーキテクチャは、まさにこの形式化を提供します。エージェントの外部化(メモリ、スキル、プロトコル、ハーネスエンジニアリング)の4つの柱は、トリプルのコンポーネントにマップされます。本稿では,Swarms,DeerFlow,Ralph,Scion,LangGraphを対象とするコンパイラファクタを対象とする参照実装を用いて,この対応性を検証する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The agent harness, the system layer comprising prompts, tools, memory, and orchestration logic that surrounds the model, has emerged as the central engineering abstraction for LLMbased agents. Yet harness design remains ad hoc, with no formal theory governing composition, preservation of properties under compilation, or systematic comparison across frameworks. We show that the categorical Architecture triple (G, Know, Phi) from the ArchAgents framework provides exactly this formalization. The four pillars of agent externalization (Memory, Skills, Protocols, Harness Engineering) map onto the triple's components: Memory as coalgebraic state, Skills as operad-composed objects, Protocols as syntactic wiring G, and the full Harness as the Architecture itself. Structural guarantees-integrity gates, quality-based escalation, supported convergence checks-are Know-level certificates whose preservation is structural replay: our compiler checks identity and verifier replay, not output-layer correctness or model behavior. We validate this correspondence with a reference implementation featuring compiler functors targeting Swarms, DeerFlow, Ralph, Scion, and LangGraph: the four configuration compilers preserve three named certificate types by identity or replay, and LangGraph preserves the same certificates through its shared per-stage execution path. The LangGraph compiler creates one node per stage using the same per-stage method as the native runtime, providing LangGraph-native observability without reimplementing harness logic. An end-to-end escalation experiment with real LLM agents confirms that the quality-based escalation control path is model-parametric in this two-model, one-task experiment. The result positions categorical architecture as the formal theory behind harness engineering.
Abstract（参考訳）: モデルを取り巻くプロンプト、ツール、メモリ、オーケストレーションロジックで構成されるシステム層であるエージェントハーネスは、LLMベースのエージェントの中央エンジニアリング抽象化として登場した。しかし、構成、コンパイル中のプロパティの保存、あるいはフレームワーク間の体系的な比較といった形式的な理論は存在しない。 ArchAgentsフレームワークのカテゴリ的アーキテクチャ(G、Know、Phi)が、まさにこの形式化を提供します。エージェントの外部化(メモリ、スキル、プロトコル、ハーネスエンジニアリング)の4つの柱は、3つのコンポーネントにマップされます。構造的保証-統合ゲート、品質ベースのエスカレーション、サポートされた収束チェックは、構造的リプレイであるノウレベル証明書である。我々は,Swarms,DeerFlow,Ralph,Scion,LangGraphをターゲットとしたコンパイラファクタを特徴とする参照実装と,この対応性を検証する。 LangGraphコンパイラは、ネイティブランタイムと同じステージ毎のメソッドを使用してステージ毎の1ノードを生成し、ハーネスロジックを再実装することなく、LangGraphネイティブなオブザーバビリティを提供する。実LLMエージェントを用いたエンド・ツー・エンドエスカレーション実験により、この2モデル1タスク実験において、品質ベースのエスカレーション制御経路がモデルパラメトリックであることが確認された。この結果は、分類的アーキテクチャを、ハーネスエンジニアリングの背後にある形式理論として位置づけている。

関連論文リスト

From Agent Loops to Structured Graphs:A Scheduler-Theoretic Framework for LLM Agent Execution [1.8222732878503212]
LLMベースのエージェントを構築するための主要なパラダイムはエージェントループ(Agent Loop)である。この観点では、エージェントループとグラフベースの実行エンジンを単一のセマンティック連続体に配置する。暗黙の文脈から暗黙の静的DAGへ制御フローを上昇させるSGHを提案する。
論文参考訳（メタデータ） (2026-04-13T12:16:45Z)
TopoChunker: Topology-Aware Agentic Document Chunking Framework [5.304983617085637]
TopoChunkerは異種文書を構造化中間表現(Structured Intermediate Representation, SIR)にマッピングするエージェントフレームワークである構造的忠実度と計算コストのバランスをとるため、TopoChunkerはデュアルエージェントアーキテクチャを採用している。絶対生成精度が8.0%向上し、83.26%のRecall@3を達成し、同時にトークンオーバーヘッドを23.5%削減した。
論文参考訳（メタデータ） (2026-03-19T02:15:10Z)
Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。本稿では,再構築による理解という,新しいパラダイムを提案する。マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文参考訳（メタデータ） (2026-03-11T09:23:20Z)
Logics-Parsing-Omni Technical Report [18.897248420641386]
本稿では,断片化タスク定義の課題とマルチモーダル解析における非構造化データの均一性に対処するOmni Parsingフレームワークを提案する。このフレームワークの重要な利点は、そのエビデンスアンカー機構であり、ハイレベルなセマンティック記述と低レベルな事実の厳密な一致を強制する。これにより、エビデンスに基づく'論理的帰納化が可能となり、構造化されていない信号を、位置可能で、エナメル性があり、トレース可能な標準化された知識に変換する。
論文参考訳（メタデータ） (2026-03-10T13:46:32Z)
Agentic Planning with Reasoning for Image Styling via Offline RL [66.10749901925941]
直接的なプロンプトベースの編集は複雑な変換では失敗するが、なぜなら曖昧で主観的なプロンプトは、画像に何を変更するべきかを微妙に理解する必要がしばしばあるからである。ツールベースのエージェントRLポストトレーニングフレームワークを提案する。
論文参考訳（メタデータ） (2026-03-07T11:14:37Z)
ESAA: Event Sourcing for Autonomous Agents in LLM-Based Software Engineering [0.0]
本稿では,ESAA(Event Sourcing for Autonomous Agents)アーキテクチャについて述べる。アーキテクチャは、イベントソーシングパターンにインスパイアされた、認知意図とプロジェクトの状態突然変異を分離する。 2つのケーススタディは、アーキテクチャを検証し、単一エージェントのシナリオを超えたアーキテクチャのスケーラビリティの実証的な証拠を提供する。
論文参考訳（メタデータ） (2026-02-26T16:45:59Z)
CSMCIR: CoT-Enhanced Symmetric Alignment with Memory Bank for Composed Image Retrieval [54.15776146365823]
Composed Image Retrieval (CIR)では、ユーザーは参照画像と操作テキストの両方を使用してターゲットイメージを検索できる。 CSMCIRは3つの相乗的コンポーネントを通して効率的なクエリターゲットアライメントを実現する統一表現フレームワークである。
論文参考訳（メタデータ） (2026-01-07T09:21:38Z)
BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
論文参考訳（メタデータ） (2025-11-26T06:39:19Z)
Cross-architecture universal feature coding via distribution alignment [88.73189953617594]
クロスアーキテクチャユニバーサル特徴符号化(CAUFC)という新しい研究課題を導入する。まず,CNN と Transformer が一貫した2次元トークン形式に特徴付けるフォーマットアライメント手法を設計し,また,トランケーションと正規化によって統計分布を調和させる特徴値アライメント手法を提案する。本稿では,CAUFCを最初に研究する試みとして,画像分類作業における手法の評価を行い,本手法がアーキテクチャ固有のベースラインに比べて高いレート精度のトレードオフを実現することを示す。
論文参考訳（メタデータ） (2025-06-15T06:14:02Z)

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。