論文の概要: Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction
- arxiv url: http://arxiv.org/abs/2605.23928v1
- Date: Tue, 21 Apr 2026 14:39:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 07:09:36.475488
- Title: Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction
- Title（参考訳）: コンテキスト: 構成可能なサンドボックスプログラムによる能動的目標指向インテリジェンス、宣言的配線、構造的相互作用
- Authors: Gregory Magarshak,
- Abstract要約: 私たちは、Magarshak Architectureのインテリジェンス層であるContextを紹介します。
リアクティブなクエリ応答型チャットボットを、ユーザのプロンプトを待つことなく共有タスクを前進させる、アクティブな目標指向エージェントに置き換える。
文脈安定性定理, ターン毎のLMコストを意味変化率の関数として有界化すること, プログラム構成の正確性定理, 宣言的配線音性定理, アクティブ・ドミナンス定理の6つの公式な結果を示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present Context, the intelligence layer of the Magarshak Architecture, which replaces reactive query-response chatbots with proactive goal-directed agents that advance shared tasks without waiting for user prompts. The architecture rests on three mutually reinforcing mechanisms. Write-time context assembly precomputes enriched typed attributes via Groker agents, assembling interaction context as a deterministic pure function of graph state; context blocks are byte-identical across turns between semantic changes, enabling near-100% KV-cache reuse. Composable sandboxed wisdom programs form a governed library of LM-generated imperative programs declaratively wired to goal types via typed stream relations, composed via phase ordering, and executed at interaction time without further LM calls. Proactive goal stream state machines drive conversations toward terminal states by inspecting graph state and emitting structured interaction content (option arrays, governance affordances, clarification prompts) without awaiting user input. We prove six formal results: the Context Stability Theorem, bounding per-turn LM cost as a function of semantic change rate; a Program Composition Correctness Theorem; a Declarative Wiring Soundness Theorem; the Proactive Dominance Theorem, proving proactive agents weakly dominate reactive agents on expected turns-to-terminal-state; Coordination Overhead Elimination and Quality Preservation, establishing Pareto improvements in multi-participant goal chats; and a Cross-Platform Vote Consistency Theorem. Implemented in the open-source Qbix / Safebox / Safebots stack.
- Abstract（参考訳）: Magarshak Architectureのインテリジェンス層であるContextは、リアクティブなクエリ応答型チャットボットを、ユーザのプロンプトを待たずに共有タスクを前進させるアクティブな目標指向エージェントに置き換える。
アーキテクチャは3つの相互強化機構に依存している。
書き込み時コンテキストアセンブリは、Grokerエージェントを介してリッチな型付き属性をプリ計算し、相互作用コンテキストをグラフ状態の決定論的純粋関数として組み立てる。
構成可能なサンドボックスの知恵プログラムは、LM生成した命令型プログラムの制御ライブラリを形成し、型付きストリーム関係を介して宣言的に目標タイプに結び付けられ、位相順序付けによって構成され、さらにLM呼び出しなしで相互作用時に実行される。
アクティブなゴールストリーム状態マシンは、ユーザ入力を待たずに、グラフ状態を検査し、構造化されたインタラクションコンテンツ(オプション配列、ガバナンスアベイランス、明確化プロンプト)を出力することで、端末状態に向けて会話を駆動する。
コンテクスト安定性理論, ターン毎のLMコストを意味変化率の関数として有界化すること, プログラム構成の正確性理論, 宣言的ワイアリング音性理論, プロアクティブ・ドミナンス理論, 期待するターンツー端末上での反応エージェントを弱く支配するプロアクティブエージェント, コーディネーションオーバーヘッド除去と品質保全, マルチパーティのゴールチャットにおけるパレート改善の確立, クロスプラットフォーム投票整合性理論の6つの公式な結果を示す。
オープンソースのQbix / Safebox / Safebotsスタックで実装されている。
関連論文リスト
- Grokers: Bottom-Up Inductive Comprehension and Write-Time Intelligence over Typed Knowledge Graphs [0.0]
Grokersは、型付き知識グラフの永続的で構造化された理解を構築するためのアーキテクチャである。
自律的なGrokerエージェントは、型付きストリームグラフのノードを分析し、制御された言語モデル呼び出しを通じて構造化属性を抽出する。
論文 参考訳（メタデータ） (2026-05-07T17:28:36Z) - IMPACT-Scribe: Interactive Temporal Action Segmentation with Boundary Scribbles and Query Planning [75.72434806468884]
IMPACT-Scribeは高密度ラベリングのための修正駆動のフレームワークである。
不確実性を認識した境界管理、局所的な提案モデリング、コストを意識したクエリ計画、構造化された伝搬、修正駆動適応を組み合わせる。
実験と人間の研究により、このクローズドループの設計は、努力ごとのラベル付け品質を改善し、境界精度を高め、時間とともにより良い人間機械の相互作用を促進することが示されている。
論文 参考訳（メタデータ） (2026-05-03T01:45:58Z) - The Auton Agentic AI Framework [5.410458076724158]
人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。
大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。
本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
論文 参考訳（メタデータ） (2026-02-27T06:42:08Z) - Factored Reasoning with Inner Speech and Persistent Memory for Evidence-Grounded Human-Robot Interaction [38.120218754079055]
本稿では,対話を部分的に観察可能なマルコフ決定プロセスとしてモデル化する支援ロボットの認知アーキテクチャであるJANUSを紹介する。
Janusは、全体的な振る舞いを、スコープ検出、意図認識、メモリ、内的音声、クエリ生成、外的音声に関連する特別なモジュールに分解する。
我々は、知識グラフに基づく食事補助ドメインにおけるモジュールレベルのユニットテストを通じてJANUSを評価し、キュレートされた参照と実際の遅延プロファイルとの高い一致を報告した。
論文 参考訳（メタデータ） (2026-01-31T11:42:33Z) - From Transcripts to AI Agents: Knowledge Extraction, RAG Integration, and Robust Evaluation of Conversational AI Assistants [0.0]
顧客向け産業向けの信頼できる会話AIアシスタントの構築は、ノイズの多い会話データ、断片化された知識、正確なヒューマンハンドオフの必要性により、依然として困難である。
本稿では,履歴書から直接対話型AIアシスタントを構築し,評価するためのエンドツーエンドフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-26T07:44:47Z) - From Completion to Editing: Unlocking Context-Aware Code Infilling via Search-and-Replace Instruction Tuning [81.97788535387286]
本稿では,エージェントによる検証・編集機構を統一された単一パス推論プロセスに内部化するフレームワークを提案する。
最小限のデータで、SRI-Coderは、ChatモデルがBaseモデルの完了性能を上回ることができる。
FIMスタイルのチューニングとは異なり、SRIは一般的なコーディング能力を保持し、標準のFIMに匹敵する推論遅延を維持する。
論文 参考訳（メタデータ） (2026-01-19T20:33:53Z) - Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。
その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。
本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
論文 参考訳（メタデータ） (2025-08-28T13:00:28Z) - Scalable In-Context Q-Learning [68.9917436397079]
textbfScalable textbfIn-textbfContext textbfQ-textbfLearning (textbfSICQL)を提案する。
textbfSICQLは動的プログラミングとワールドモデリングを利用して、ICRLを効率的な報酬とタスクの一般化に向けて制御する。
論文 参考訳（メタデータ） (2025-06-02T04:21:56Z) - Modular Speaker Architecture: A Framework for Sustaining Responsibility and Contextual Integrity in Multi-Agent AI Communication [0.0]
マルチエージェントシステム間のコヒーレントでロールアウェアなコミュニケーションを持続することは、AIの基本的な課題である。
講演者の振る舞いを,役割追跡,責任継続性,コンテキストコヒーレンスのためにモジュールコンポーネントに分解するフレームワークである,モジュール型話者アーキテクチャ(MSA)を提案する。
論文 参考訳（メタデータ） (2025-06-01T17:39:51Z) - QLASS: Boosting Language Agent Inference via Q-Guided Stepwise Search [89.97082652805904]
提案するQLASS(Q-guided Language Agent Stepwise Search)は,Q-valueを推定してアノテーションを自動的に生成する。
ステップワイズガイダンスにより、言語エージェントが長期的価値に適応できるようにQ誘導型生成戦略を提案する。
我々はQLASSが質的分析によってより効果的な意思決定につながることを実証的に実証した。
論文 参考訳（メタデータ） (2025-02-04T18:58:31Z) - Compromising Embodied Agents with Contextual Backdoor Attacks [69.71630408822767]
大型言語モデル(LLM)は、エンボディドインテリジェンスの発展に変化をもたらした。
本稿では,このプロセスにおけるバックドアセキュリティの重大な脅威を明らかにする。
ほんの少しの文脈的デモンストレーションを毒殺しただけで、攻撃者はブラックボックスLDMの文脈的環境を隠蔽することができる。
論文 参考訳（メタデータ） (2024-08-06T01:20:12Z)
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。