論文の概要: From Automated to Autonomous: Hierarchical Agent-native Network Architecture (HANA)
- arxiv url: http://arxiv.org/abs/2605.20608v1
- Date: Wed, 20 May 2026 01:50:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.429509
- Title: From Automated to Autonomous: Hierarchical Agent-native Network Architecture (HANA)
- Title（参考訳）: 自動化から自律へ:階層型エージェントネイティブネットワークアーキテクチャ(HANA)
- Authors: Binghan Wu, Shoufeng Wang, Yunxin Liu, Ya-Qin Zhang, Joseph Sifakis, Ye Ouyang,
- Abstract要約: 本稿では,高レベルの自律性を実現する階層型マルチエージェント参照アーキテクチャを提案する。
鍵となる革新はエージェントの自己認識の統合であり、これはシステムに反射的な障害回復を伴う熟考的戦略的ガバナンスを調和させる力を与えます。
ケーススタディでは、システムは混雑下で臨界スループットを維持し、平均修理時間(MTTR)を86%削減することを示した。
- 参考スコア（独自算出の注目度）: 18.534083337294188
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Realizing Level 4/5 Autonomous Networks (AN) demands a shift from static automation to agent-native intelligence. Current operations, reliant on rigid scripts, lack the cognitive agency to handle off-nominal conditions. To address this, this letter proposes a hierarchical multi-agent reference architecture enabling high-level autonomy. The framework features a Dual-Driven Orchestrator that coordinates specialized Executive Agents, supported by a shared Public Memory for unified domain knowledge. A key innovation is the integration of agent self-awareness, which empowers the system to harmonize deliberative strategic governance with reflexive fault recovery. We instantiate and validate this architecture within a 5G Core environment. Case studies demonstrate that the system sustains critical throughput under congestion and reduces Mean Time to Repair (MTTR) by 86%, confirming its efficacy in unifying strategic planning with operational resilience.
- Abstract（参考訳）: レベル4/5の自律ネットワークの実現(AN)には、静的自動化からエージェントネイティブインテリジェンスへのシフトが必要だ。
現在の運用は、厳格なスクリプトに依存しており、非自治状態を扱う認知機関が欠如している。
これを解決するために,高レベルの自律性を実現する階層型マルチエージェント参照アーキテクチャを提案する。
このフレームワークは、ドメインの知識を統一するための共有パブリックメモリによってサポートされている特別なエグゼクティブエージェントをコーディネートするデュアル駆動オーケストレータを備えている。
鍵となる革新はエージェントの自己認識の統合であり、これはシステムに反射的な障害回復を伴う熟考的戦略的ガバナンスを調和させる力を与えます。
私たちはこのアーキテクチャを5G Core環境でインスタンス化し、検証します。
ケーススタディでは、システムは混雑下で臨界スループットを維持し、平均修理時間(MTTR)を86%削減し、運用レジリエンスによる戦略的計画の統一の有効性を確認した。
関連論文リスト
- Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution [1.509090088899154]
プロダクショングレードのマルチテナントプラットフォームから抽出した制御実行プロトコルであるDynamic Tiered AgentRunnerを提案する。
本フレームワークは,(1)タスクリスクプロファイルに基づいて動的に計算資源を割り当てるリスク適応型タイリング,(2)物理的に分離された独立したエージェントによって提案,レビュー,実行,検証を行うパワーズアーキテクチャの分離,(3)障害を第一級システム状態として扱う検証器-回復閉ループによるレジリエンス・バイ・デザインの3つのコアメカニズムを紹介する。
論文 参考訳（メタデータ） (2026-05-11T09:03:48Z) - 6G Needs Agents: Toward Agentic AI-Native Networks for Autonomous Intelligence [3.099103925863002]
6Gネットワークは、コミュニケーション、センシング、コンピューティングを統一されたファブリックに統合するAIネイティブインフラストラクチャとして想定されている。
我々は,Large Language Model (LLM) をベースとしたエージェントが有界な政策支配的推論エンティティとして機能するエージェントAI-Native 6Gへのパラダイムシフトを論じる。
本稿では,決定論的ネットワーク基盤,意図と文脈の意味的抽象化,階層的推論,分散マルチエージェント・ファブリックを統合した4層アーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-05-02T17:24:12Z) - AutoMIA: Improved Baselines for Membership Inference Attack via Agentic Self-Exploration [49.050688065974605]
メンバーシップ推論攻撃(MIAs)は、機械学習モデルにおけるトレーニングデータの漏洩を評価するための基本的な監査ツールである。
本稿では,自己探索と戦略進化の自動化プロセスとして,メンバーシップ推論を再構築するエージェントフレームワークであるAutoMIAを提案する。
論文 参考訳（メタデータ） (2026-04-01T15:17:45Z) - MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。
エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
論文 参考訳（メタデータ） (2026-01-12T13:25:33Z) - 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) - Towards 6G Native-AI Edge Networks: A Semantic-Aware and Agentic Intelligence Paradigm [85.7583231789615]
6Gはインテリジェンスをネイティブネットワークの能力として位置づけ、無線アクセスネットワーク(RAN)の設計を変革する
このビジョンの中では、セマンティック・ネイティブのコミュニケーションとエージェント・インテリジェンスが中心的な役割を果たすことが期待されている。
エージェントインテリジェンスは、RANエンティティに目標駆動の自律性、推論、計画、マルチエージェントコラボレーションを提供する。
論文 参考訳（メタデータ） (2025-12-04T03:09:33Z) - Agentic AI for Ultra-Modern Networks: Multi-Agent Framework for RAN Autonomy and Assurance [10.253240657118793]
従来のO-RAN制御ループはRICベースのオーケストレーションに大きく依存しており、インテリジェンスを集中し、ポリシーの衝突やデータドリフト、予期せぬ条件下での安全でないアクションといったリスクにシステムを公開している。
自律型ネットワークの未来は、データ収集、モデルトレーニング、予測、ポリシー生成検証、デプロイメント、保証を行うために、専門エージェントが協力するマルチエージェントアーキテクチャにある、と我々は主張する。
論文 参考訳（メタデータ） (2025-10-17T18:28:55Z) - From Agentification to Self-Evolving Agentic AI for Wireless Networks: Concepts, Approaches, and Future Research Directions [70.72279728350763]
自律進化型エージェント人工知能(AI)は、将来の無線システムに新しいパラダイムを提供する。
静的AIモデルとは異なり、自己進化エージェントは、モデルやツールを更新し、環境ダイナミクスに対応する自律進化サイクルを組み込む。
本稿では,自己進化型エージェントAIの概要を概説し,その階層化アーキテクチャ,ライフサイクル,鍵となる技術について述べる。
論文 参考訳（メタデータ） (2025-10-07T05:45:25Z) - Leveraging AI Agents for Autonomous Networks: A Reference Architecture and Empirical Studies [18.534083337294188]
この研究は、ジョゼフ・シファキス(Joseph Sifakis)のAN Agent参照アーキテクチャを機能認知システムに実装することで、アーキテクチャ理論と運用現実のギャップを埋める。
5G NR sub-6 GHz において,サブ10ms のリアルタイム制御を実演し,外ループリンク適応 (OLLA) アルゴリズムよりも6% 高いダウンリンクスループットを実現した。
これらの改善により、従来の自律的障壁を克服し、次世代の目標に向けて重要なL4エナリング能力を推し進めるアーキテクチャの生存性が確認される。
論文 参考訳（メタデータ） (2025-09-10T06:24:57Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - Autonomous Deep Agent [0.7489814067742621]
Deep Agentは、複雑なマルチフェーズタスクを管理するために設計された高度な自律AIシステムである。
システムの基盤は階層型タスクDAGフレームワーク上に構築されています。
Deep Agentは、自己管理型AIシステムにおいて、新しいパラダイムを確立する。
論文 参考訳（メタデータ） (2025-02-10T21:46:54Z)
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。