論文の概要: Position: Agentic AI System Is a Foreseeable Pathway to AGI
- arxiv url: http://arxiv.org/abs/2605.12966v1
- Date: Wed, 13 May 2026 04:00:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.798493
- Title: Position: Agentic AI System Is a Foreseeable Pathway to AGI
- Title（参考訳）: AGIへの道のりはエージェントAIシステム
- Authors: Junwei Liao, Shuai Li, Muning Wen, Jun Wang, Weinan Zhang,
- Abstract要約: 我々は,エージェントAIを実世界のタスクの複雑で異質な分布をマスターするために必要なパラダイムとして認識する。
我々はエージェントAIが指数関数的に優れた一般化とサンプル効率を実現することを示した。
- 参考スコア（独自算出の注目度）: 30.76285323992245
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Is monolithic scaling the only path to AGI? This paper challenges the dogma that purely scaling a single model is sufficient to achieve Artificial General Intelligence. Instead, we identify Agentic AI as a necessary paradigm for mastering the complex, heterogeneous distribution of real-world tasks. Through rigorous theoretical derivations, we contrast the optimization constraints of monolithic learners against the efficiency of Agentic systems, progressing from simple routing mechanisms to general Directed Acyclic Graph (DAG) topologies. We demonstrate that Agentic AI achieves exponentially superior generalization and sample efficiency. Finally, we discuss the connection to Mixture-of-Experts, reinterpret the instability of current multi-agent frameworks, and call for greater research focus on Agentic AI.
- Abstract（参考訳）: モノリシックなスケーリングはAGIへの唯一の道なのか?
本稿では,1つのモデルを純粋にスケールすることは,人工知能を実現するのに十分である,というドグマに挑戦する。
代わりに、エージェントAIを現実世界のタスクの複雑で異質な分布をマスターするために必要なパラダイムとして認識する。
厳密な理論的導出を通じて、単体学習者の最適化制約とエージェントシステムの効率を対比し、単純なルーティング機構から汎用非巡回グラフ(DAG)トポロジへと進展する。
我々はエージェントAIが指数関数的に優れた一般化とサンプル効率を実現することを示した。
最後に、Mixture-of-Expertsとの関係について論じ、現在のマルチエージェントフレームワークの不安定性を再解釈し、エージェントAIにもっと焦点をあてることを求める。
関連論文リスト
- EvoGuard: An Extensible Agentic RL-based Framework for Practical and Evolving AI-Generated Image Detection [19.507664662884086]
EvoGuardはAIGI検出のための新しいエージェントフレームワークである。
様々な最先端(SOTA)のMLLMと非MLLM検出器を呼び出し可能なツールとしてカプセル化している。
正と負のサンプル間のバイアスを緩和しながらSOTA精度を達成する。
論文 参考訳（メタデータ） (2026-03-18T04:14:40Z) - Agentic AI for Mobile Network RAN Management and Optimization [0.0]
エージェントAIは、大型AIモデル(LAM)を使用して複雑なシステムを自動化するための新しいパラダイムである。
本稿では,従来のエージェントからエージェントAIへの進化をたどることで,5Gおよび6GネットワークにおけるエージェントAIの継続的な研究に貢献する。
コアデザインパターン(リフレクション、計画、ツールの使用、マルチエージェントのコラボレーション)が説明され、インテリジェントな振る舞いがどのように編成されているかが説明されます。
論文 参考訳（メタデータ） (2025-11-04T12:34:57Z) - AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。
エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
論文 参考訳（メタデータ） (2025-10-06T23:20:49Z) - Scalable, Symbiotic, AI and Non-AI Agent Based Parallel Discrete Event Simulations [0.0]
本稿では,複数のAIエージェントと非AIエージェントを組み合わせた並列離散イベントシミュレーション(PDES)手法を提案する。
我々は、4つの異なるドメインから4つの問題を解き、その結果をAIモデルだけで比較することで、我々のアプローチを評価する。
その結果,バニラモデルの精度が23%未満であるため,アプローチ全体の精度は68%であった。
論文 参考訳（メタデータ） (2025-05-28T17:50:01Z) - 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) - Principal-Agent Reinforcement Learning: Orchestrating AI Agents with Contracts [20.8288955218712]
本稿では,マルコフ決定プロセス(MDP)のエージェントを一連の契約でガイドするフレームワークを提案する。
我々は,主観とエージェントの方針を反復的に最適化するメタアルゴリズムを提示し,分析する。
次に,本アルゴリズムを深層Q-ラーニングで拡張し,近似誤差の存在下での収束度を解析する。
論文 参考訳（メタデータ） (2024-07-25T14:28:58Z) - Over the Edge of Chaos? Excess Complexity as a Roadblock to Artificial General Intelligence [4.901955678857442]
我々は、AIの性能が臨界複雑性しきい値を超えると不安定になるかもしれない複雑なシステムにおける位相遷移に類似した臨界点の存在を仮定した。
我々のシミュレーションは、AIシステムの複雑さの増加が、より高い臨界閾値を超え、予測不可能なパフォーマンス行動を引き起こすことを実証した。
論文 参考訳（メタデータ） (2024-07-04T05:46:39Z) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳（メタデータ） (2023-12-22T17:57:57Z)
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。