論文の概要: Governed Evolution of Agent Runtimes through Executable Operational Cognition
- arxiv url: http://arxiv.org/abs/2605.27328v1
- Date: Tue, 26 May 2026 17:36:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-27 17:51:42.569191
- Title: Governed Evolution of Agent Runtimes through Executable Operational Cognition
- Title（参考訳）: 実行可能操作認知によるエージェントランタイムの進化
- Abstract要約: 本稿では,マルチエージェントシステムにおける実行時の進化を,実行可能な動作認識を通じて制御するフレームワークを提案する。
実行時適応を制限のない自己修正として扱うのではなく、提案されたフレームワークは、永続的な操作メモリ上のバウンダリでオブザーバブルなプロセスとして進化をモデル化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Recent advances in agentic systems increasingly treat code as an executable operational substrate rather than as a disposable output artifact. Prior work such as \emph{Code as Agent Harness} frames validated agent-generated artifacts as runtime entities that can be created, executed, revised, persisted, and reused within long-running cognitive loops. However, the governance, lifecycle management, and operational evolution of such artifacts remain under-specified. This paper proposes a framework for governed runtime evolution in multi-agent systems through executable operational cognition. We formalize agent-generated artifacts as persistent runtime capabilities that progressively become part of the operational substrate rather than transient intermediate outputs. Building on this perspective, we introduce \emph{HarnessMutation} as a governed mechanism for lifecycle-aware runtime adaptation operating under explicit validation, traceability, evaluation, and rollback constraints. Rather than treating runtime adaptation as unrestricted self-modification, the proposed framework models evolution as a bounded and observable process over persistent operational memory. It further shows how these ideas can be operationalized over modern agent runtimes and governance-oriented orchestration systems, providing a conceptual foundation for adaptive infrastructures whose evolution remains explicit, auditable, and constrained.
- Abstract（参考訳）: 近年のエージェントシステムの進歩は、コードを使い捨ての出力アーティファクトとしてではなく、実行可能な運用基盤として扱うようになっている。
emph{Code as Agent Harness}のような以前の作業では、エージェント生成アーティファクトをランタイムエンティティとして検証し、長期にわたる認知ループ内で生成、実行、修正、永続化、再利用が可能である。
しかし、このようなアーティファクトのガバナンス、ライフサイクル管理、運用上の進化は、まだ未定のままである。
本稿では,マルチエージェントシステムにおける実行時の進化を,実行可能な動作認識を通じて制御するフレームワークを提案する。
我々はエージェント生成アーティファクトを、過渡的な中間出力ではなく、徐々に運用基板の一部となる永続的な実行機能としてフォーマル化する。
この観点から、明示的な検証、トレーサビリティ、評価、ロールバック制約の下でのライフサイクル対応ランタイム適応の制御メカニズムとして、 \emph{HarnessMutation}を紹介します。
実行時適応を制限のない自己修正として扱うのではなく、提案されたフレームワークは、永続的な操作メモリ上のバウンダリでオブザーバブルなプロセスとして進化をモデル化する。
さらには、これらのアイデアが、現代的なエージェントランタイムやガバナンス指向のオーケストレーションシステム上でどのように運用されるかを示し、進化が明確で監査可能で制約のあるアダプティブインフラストラクチャの概念的な基盤を提供する。
関連論文リスト
- Agents in the Large: Perception-Centered Architecture for Persistent Agents [66.30987129595137]
永続エージェント(Pera)のための知覚中心型アーキテクチャを提案する。
Pera氏は、サービス関連信号を継続的に知覚する知覚と制御コンポーネントを中心に組織された永続的なエージェントについて説明する。
私たちはPeraを使って、最近の作業を振り返りに整理し、詳細なケーススタディを調べ、より有能な永続的なエージェントを構築するための前向きな洞察を提供します。
論文 参考訳（メタデータ） (2026-08-31T09:04:52Z) - Agent Gym: A Framework for Continuous Evaluation and Evolution of LLM Agents Through Human-in-the-Loop Feedback [0.0]
大きな言語モデル(LLM)エージェントは、基本的な緊張に直面します。エージェントの動作は、デプロイ時に凍結されますが、処理するビジネスルールとエッジケースは、進化し続けます。
既存のアプローチではエージェント構築とワンタイム評価を行うが、継続的デプロイ後の動作補正のための構造的メカニズムは提供しない。
我々はAgent Gymを紹介した。Agent Gymはモジュール型のドメインに依存しないフレームワークで、既存のLLMベースのエージェントを連続的な評価と進化のループでラップする。
論文 参考訳（メタデータ） (2026-08-16T07:27:26Z) - Toward Continuous Assurance for the Democratization of AI Agent Creation in Industry [1.5755923640031846]
本稿では、民主化されたAIエージェント作成による信頼性の課題を特定する。
市民が作成した組織エージェントのための軽量な継続的保証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-07-23T16:41:56Z) - DocOps: A Verifiable Benchmark for Autonomous Agents in Complex Document Operations [106.74348504930124]
本稿では,階層的な分類を基盤とした決定論的に検証可能な評価フレームワークであるDocOpsを紹介する。
DocOpsに基づいて,各種エージェントハーネスのクローズドおよびオープンソースモデルを体系的に評価する。
我々の研究は、グローバルな文書整合性を維持するためのエージェントの能力境界を明らかにし、堅牢で非破壊的なエージェントの将来の設計に光を当てている。
論文 参考訳（メタデータ） (2026-07-22T07:52:59Z) - From Atomic Actions to Standard Operating Procedures: Iterative Tool Optimization for Self-Evolving LLM Agents [90.3279207163486]
EvoSOPは、エージェントが実行軌跡からSOPを抽出し、反復的にツールセットを最適化することを可能にするフレームワークである。
EvoSOPはタスク成功率を大幅に向上し,インタラクションラウンドの回数を大幅に削減することを示す。
論文 参考訳（メタデータ） (2026-07-08T12:09:49Z) - Governance by Construction for Generalist Agents [7.48004748585128]
このデモでは、CUGAのポリシ・アズ・コード・レイヤであるポリシ・アズ・コード・レイヤを紹介し、ジェネラリストエージェントと組み合わせて予測可能、監査可能、コンプライアンス対応の振る舞いを提供する。
実行の重要なすべての段階において、ポリシーの介入を強制するガバナンスアーキテクチャを提案する。
論文 参考訳（メタデータ） (2026-05-20T08:13:16Z) - Towards a Virtual Neuroscientist: Autonomous Neuroimaging Analysis via Multi-Agent Collaboration [53.772014300855375]
我々は,自律型エンドツーエンド神経画像解析のためのマルチエージェントシステムであるNIAgentを紹介する。
従来のフラットなツール呼び出しエージェントとは異なり、NIAgentはコード中心の実行パラダイムを採用している。
本稿では,コホートレベルの検定とエージェント視覚検査を組み合わせた,自律的品質管理のための階層的検証フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-10T06:30:19Z) - TDD Governance for Multi-Agent Code Generation via Prompt Engineering [2.013170973610094]
大規模言語モデル(LLM)はソフトウェア開発を加速するが、不安定性、非決定性、制約のない状況下での開発の規律への弱い固執を示すことが多い。
我々は、古典的なTDD原則を構造化されたプロンプトレベルおよびワークフローレベルのガバナンスメカニズムとして運用する、AIネイティブなTDDフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-29T12:43:22Z) - Learning Without Losing Identity: Capability Evolution for Embodied Agents [14.412476605788482]
エンボディエージェントのための機能中心進化パラダイムを提案する。
我々はロボットが認知的アイデンティティとして永続的なエージェントを維持するべきだと主張する。
エージェントアイデンティティから機能進化を分離する統合されたフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-09T04:51:07Z) - ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Intrinsic Adaptation [60.25542764389203]
LLM(Large Language Models)を利用したエージェントシステムは、複雑で長期のタスクに対処する上で、顕著な可能性を示している。
既存のアプローチでは、手動のオーケストレーションやランタイムベースのパッチを頼りにしており、一般化の貧弱さと最適化の断片化に悩まされることが多い。
ツール駆動の自己修正を可能にする新しいパラダイムであるToolSelfを提案する。
論文 参考訳（メタデータ） (2026-02-08T09:27:18Z) - Yunjue Agent Tech Report: A Fully Reproducible, Zero-Start In-Situ Self-Evolving Agent System for Open-Ended Tasks [10.622439192272527]
従来のエージェントシステムは、タスク分布が継続的にドリフトし、外部の監視が不十分な、オープンな環境に苦しむ。
In-Situ Self-Evolving(In-Situ Self-Evolving)パラダイムを提案する。
このフレームワーク内では、新しい課題をナビゲートするためのツールを反復的に合成、最適化、再利用するシステムであるYunjue Agentを開発します。
論文 参考訳（メタデータ） (2026-01-26T07:27:47Z) - Architecting AgentOps Needs CHANGE [0.0]
エージェントAIシステムのアーキテクチャには、コントロールループの管理から、エージェント、インフラストラクチャ、人間の監視間の動的共進化の実現へのシフトが必要だ、と私たちは主張する。
本稿では,エージェントAIシステムを運用する6つの機能からなる概念的フレームワークを紹介する。
論文 参考訳（メタデータ） (2026-01-10T06:51:39Z) - Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。
我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。
この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文 参考訳（メタデータ） (2025-12-27T01:52:06Z) - 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)
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。