論文の概要: Beyond Scaling: Agents Are Heading to the Edge

• arxiv url: http://arxiv.org/abs/2605.18535v1
• Date: Mon, 18 May 2026 15:18:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.901325
• Title: Beyond Scaling: Agents Are Heading to the Edge
• Title（参考訳）: スケーリングを超えて:エージェントはエッジに向かう
• Authors: Chunlin Tian, Dongqi Cai, Wanru Zhao, Nicholas D. Lane,
• Abstract要約: 有用なエージェントインテリジェンスのボトルネックは、世界の知識を1つのモデルに圧縮することから、協調システムの実行へと移行した。 エージェント・インテリジェンス・タスクのコア特性は、クラウド中心の設計とよく一致しないため、パーソナルエージェント・アーキテクチャはエッジに移動しなければならない、と論文は主張する。
• 参考スコア（独自算出の注目度）: 15.837192534843547
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The bottleneck of useful agentic intelligence has shifted from compressing world knowledge into a single model to executing a coordinated system. This position paper argues that personal-agent architecture must move to the edge because the core properties of agentic intelligence tasks, particularly their structural coupling with high-fidelity local context and the need for zero-latency execution loops, do not sit well with cloud-centric designs. We develop this claim through three structural shifts. First, the Prefrontal Turn: the main marginal lever of capability has moved from pre-training scale to framework-level executive control. Such control must remain physically close to the environment of action if the agent is to preserve cognitive alignment. Second, the Data-Geography Paradox, the ``dark matter'' of agentic data (local file hierarchies, real-time sensor streams, and transient OS states) degrades, disappears, or loses meaning once prepared for cloud transmission, thereby cutting the agent off from ground-truth context. Third, the interaction-alignment loop, the only economically and ecologically sustainable source of agentic refinement data is the high-fidelity implicit preference signal produced through real-time local interaction. Third, the interaction-alignment loop, the only economically and ecologically sustainable source of agentic refinement data is the high-fidelity implicit preference signal produced through real-time local interaction. We conclude with falsifiable predictions for the next deployment cycle of personal agents.
• Abstract（参考訳）: 有用なエージェントインテリジェンスのボトルネックは、世界の知識を1つのモデルに圧縮することから、協調システムの実行へと移行した。 エージェントインテリジェンスタスクのコア特性,特に高忠実なローカルコンテキストと構造的結合とゼロレイテンシ実行ループの必要性は,クラウド中心の設計とよく一致しないため,パーソナルエージェントアーキテクチャはエッジに移行しなければならない,と論文は主張する。 我々はこの主張を3つの構造的変化を通じて展開する。 第一に、プレフロントターン: 能力の限界のレバーは、トレーニング前の規模からフレームワークレベルのエグゼクティブコントロールに移行した。 このような制御は、エージェントが認知的アライメントを維持するためには、物理的に行動環境に近づかなければならない。 第二に、エージェントデータ(ローカルファイル階層、リアルタイムセンサストリーム、一時的なOS状態)の‘ダークマター’であるData-Geography Paradoxは、一度クラウド送信に備えて準備された意味を失い、エージェントを地道なコンテキストから切り離す。 第3に、エージェント精錬データの経済的かつ生態学的に持続可能な源である相互作用調整ループは、リアルタイムな局所的な相互作用によって生成される高忠実度暗黙の選好信号である。 第3に、エージェント精錬データの経済的かつ生態学的に持続可能な源である相互作用調整ループは、リアルタイムな局所的な相互作用によって生成される高忠実度暗黙の選好信号である。 我々は、個人エージェントの次の展開サイクルについて、偽りの予測で締めくくります。

関連論文リスト

• Evolutionary Ensemble of Agents [7.465452178698495]
  EvEは、分散化されたフレームワークであり、アルゴリズム発見のためのライブで共進化するシステムにコーディングエージェントを編成する。 2つの共進化する人口を維持することで、EvEはエージェントを同期レースを通じて評価し、経験的Elo格付けを更新する。 固定初期エージェントや凍結した「ベスト進化」エージェントによって駆動される変種と比較して、EvEは位相ミスマッチを独自に回避する。
  論文  参考訳（メタデータ） (2026-05-09T15:56:10Z)
• Safactory: A Scalable Agentic Infrastructure for Training Trustworthy Autonomous Intelligence [95.17488814799623]
  textbfSafactoryは、信頼できる自律知能のためのスケーラブルなエージェントファクトリです。 Safactoryは、トラジェクトリ生成のためのtextbfParallel Simulation Platform、トラジェクトリストレージとエクスペリエンス抽出のための textbfTrustworthy Data Platform、非同期強化学習のための textbfAutonomous Evolution Platformの3つの密結合プラットフォームを統合している。
  論文  参考訳（メタデータ） (2026-05-07T13:21:15Z)
• How Intelligence Emerges: A Minimal Theory of Dynamic Adaptive Coordination [0.0]
  本稿では,マルチエージェントシステムにおける適応調整理論について述べる。 永続環境は蓄積された調整信号を記憶し、分散インセンティブフィールドはこれらの信号を局所的に送信し、適応エージェントは応答を更新する。
  論文  参考訳（メタデータ） (2026-03-12T05:28:28Z)
• Integrating Specialized and Generic Agent Motion Prediction with Dynamic Occupancy Grid Maps [3.3894571022475066]
  本研究では,将来の占有状態グリッド,車両グリッド,シーンフローグリッドを同時に予測する統合フレームワークを提案する。 我々のアプローチは、グリッド間の依存関係をキャプチャし、様々な将来予測を可能にする、カスタマイズされた相互依存損失関数に重点を置いている。 実世界の nuScenes と Woven Planet のデータセットによる評価は、動的車両や一般的な動的シーン要素の予測性能に優れていた。
  論文  参考訳（メタデータ） (2026-02-08T12:13:06Z)
• The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution [63.61358761489141]
  LLM(Large Language Model)ベースのエージェントは、カスタマーサービス、Webナビゲーション、ソフトウェアエンジニアリングといった現実世界のアプリケーションで広く使われている。 本稿では,タスク結果に関係なく,エージェントの動作を駆動する内部要因を識別する,テキスト汎用エージェント属性のための新しいフレームワークを提案する。 標準ツールの使用やメモリ誘起バイアスのような微妙な信頼性リスクなど、さまざまなエージェントシナリオでフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-21T15:22:21Z)
• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• InterAgent: Physics-based Multi-agent Command Execution via Diffusion on Interaction Graphs [72.5651722107621]
  InterAgentはテキスト駆動型物理ベースのマルチエージェントヒューマノイド制御のためのエンドツーエンドフレームワークである。 本稿では,マルチストリームブロックを備えた自己回帰拡散トランスフォーマーを提案する。 また,空間依存性の微粒化を明示的に捉えた対話グラフのエクスセプション表現を提案する。
  論文  参考訳（メタデータ） (2025-12-08T10:46:01Z)
• Agentic AI Framework for Cloudburst Prediction and Coordinated Response [0.8697317909540486]
  本論文は,大気水循環インテリジェンスを研究するエージェント人工知能システムについて概説する。 このフレームワークは、イベントライフサイクル全体を通じて、推論、意味、行動する自律的だが協調的なエージェントを使用する。 スケーラブルな適応性と学習ベースの気候レジリエンスのプラットフォームを提供する。
  論文  参考訳（メタデータ） (2025-11-27T21:33:03Z)
• Distributed Adaptive Learning Under Communication Constraints [54.22472738551687]
  本研究では,コミュニケーション制約下での運用を目的とした適応型分散学習戦略について検討する。 我々は,ストリーミングデータの連続的な観察から,オンライン最適化問題を解決しなければならないエージェントのネットワークを考える。
  論文  参考訳（メタデータ） (2021-12-03T19:23:48Z)

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。