論文の概要: SwarmHarness: Skill-Based Task Routing via Decentralized Incentive-Aligned AI Agent Networks
- arxiv url: http://arxiv.org/abs/2605.28764v1
- Date: Wed, 27 May 2026 17:23:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-28 17:38:56.246055
- Title: SwarmHarness: Skill-Based Task Routing via Decentralized Incentive-Aligned AI Agent Networks
- Title（参考訳）: SwarmHarness: 分散型集中型AIエージェントネットワークによるスキルベースのタスクルーティング
- Authors: Edwin Jose,
- Abstract要約: HarnessAPIスキルノードは、中央の権限を持たない計算スワムに自己組織化する。
SwarmHarnessは、エージェントが計算を雇い、サブタスクをルートし、人間の介入なしにクレジットを決済する自律分散AIエージェントネットワークの基本的なプリミティブである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Vast quantities of compute (GPU cycles on personal workstations, idle inference servers, and edge devices between jobs) go unused because no incentive-aligned protocol exists for their owners to share them safely and profitably. Existing approaches either require a trusted central coordinator (cloud marketplaces), demand heavy blockchain infrastructure (Golem, BrokerChain), or lack an incentive layer entirely (BOINC, Petals). We propose SwarmHarness, a decentralised protocol in which HarnessAPI skill nodes self-organise into a compute swarm without any central authority. SwarmHarness has three interlocking components: a SwarmRegistry built on a Distributed Hash Table (DHT) for peer discovery and capability advertisement; a SwarmRouter that dispatches tasks to nodes using a utility function over capability, load, latency, and trust; and SwarmCredit, an incentive mechanism that attributes compute-credit rewards to contributing nodes via a Shapley-value approximation. Nodes earn credits by serving tasks and spend credits to submit them; idle nodes that never contribute drain credits and lose routing priority, creating a self-regulating participation economy. As nodes specialise toward high-reward skills and routing signals act as digital pheromones, the network exhibits emergent collective intelligence analogous to biological swarms. Beyond compute sharing, SwarmHarness is a foundational primitive for autonomous distributed AI agent networks in which agents hire compute, route subtasks, and settle credits without human intermediation.
- Abstract（参考訳）: 膨大な量の計算(パーソナルワークステーション、アイドル推論サーバ、ジョブ間のエッジデバイス上のGPUサイクル)が使われないのは、所有者が安全に利益を得るためのインセンティブに整合したプロトコルが存在しないためである。
既存のアプローチでは、信頼できる中央コーディネータ(クラウドマーケットプレース)、重いブロックチェーンインフラストラクチャ(Golem, BrokerChain)、あるいはインセンティブ層(BOINC, Petals)が完全に欠如している。
我々は、HarnessAPIスキルノードが中央の権威を持たない計算スワムに自己組織化される分散プロトコルであるSwarmHarnessを提案する。
SwarmHarnessには3つのインターロックコンポーネントがある。ピアディスカバリと機能広告のための分散ハッシュテーブル(DHT)上に構築されたSwarmRegistry、能力、負荷、レイテンシ、信頼に関するユーティリティ関数を使用してタスクをノードにディスパッチするSwarmRouter、Shapley-value近似を通じてノードに寄与するノードへのコントリビューションに計算クレディットの報酬を属性とするインセンティブメカニズムであるSwarmCreditだ。
ノードは、タスクを提供し、それを提出するためにクレジットを費やすことでクレジットを得る。ドレインクレジットに決して貢献せず、ルーティングの優先順位を失うようなアイドルノードは、自己規制型の参加経済を生み出します。
ノードがハイリワードスキルやルーティング信号に特化してデジタルフェロモンとして機能するため、ネットワークは生物群に似た創発的な集団知性を示す。
SwarmHarnessは、計算共有以外にも、エージェントが計算を雇い、サブタスクをルートし、クレジットを人間の介入なしに解決する、自律分散AIエージェントネットワークの基本的なプリミティブである。
関連論文リスト
- ClawCoin: An Agentic AI-Native Cryptocurrency for Decentralized Agent Economies [13.684200990349318]
我々は、分散型エージェント経済のためのトークン化、計算コストインデクシング単位であるClawCoinを提示する。
ClawCoinは、標準化された価格に対するロバストなインデックス、署名された新しい証明書の発行、NAVベースのミント/レディームの金庫室、マルチホップデリゲートのためのオンチェーン決済レイヤの4つのレイヤを組み合わせたものだ。
単エージェント、マルチエージェント、ワークフロー、調達実験全体にわたって、ClawCoinはコストショック下での実行能力を安定化し、クロスエージェントの引用分散を低減し、部分的な決済を排除し、フィアットを減らしたベースラインの協調市場ダイナミクスを維持する。
論文 参考訳（メタデータ） (2026-04-21T03:21:55Z) - Hybrid Stackelberg Game and Diffusion-based Auction for Two-tier Agentic AI Task Offloading in Internet of Agents [70.6356929970175]
Internet of Agents (IoA)は、相互接続されたインテリジェントシステムのための基盤アーキテクチャである。
IoAには物理エンティティ、すなわち限られたオンボードリソースを備えた無線エージェント(WA)が含まれており、計算集約型のエージェントAIサービスを近くのサーバにオフロードする必要がある。
タスクオフロードを容易にする2層最適化手法を提案する。
論文 参考訳（メタデータ） (2025-11-27T03:55:18Z) - Efficient Blockchain-based Steganography via Backcalculating Generative Adversarial Network [105.47203971578871]
汎用ブロックチェーンベースのステガノグラフィーフレームワーク(GBSF)を提案する。
送信者は、追加の隠蔽データを埋め込んでチャネル容量を高めるために、量や手数料などの必要なフィールドを生成する。
GBSFに基づいて, 可逆的生成逆ネットワーク(R-GAN)を設計する。
対数直観的データ前処理とカスタムアクティベーション機能を備えたR-GAN,すなわちCCR-GANを提案する。
論文 参考訳（メタデータ） (2025-06-19T04:43:41Z) - Depermissioning Web3: a Permissionless Accountable RPC Protocol for Blockchain Networks [0.05524804393257919]
ブロックチェーンネットワークでは、いわゆる“フルノード”がRPCインターフェースを通じてクライアントからのトランザクションにデータを提供し、中継する。
このサービスレイヤは、ブロックチェーン上に格納された“Web3”データと、ブロックチェーンネットワークのピアとして直接参加できない“Web2”モバイルあるいはWebアプリケーションとの統合を可能にする。
我々は、プライバシ、完全性、データアクセスに関する懸念に対処するために、パーミッションレス・アカウンタブルRPCプロトコル(PARP)を提案する。
論文 参考訳（メタデータ） (2025-06-04T13:31:32Z) - Proof of Useful Intelligence (PoUI): Blockchain Consensus Beyond Energy Waste [1.3846014191157405]
テクノロジは分散システムにおけるセキュアで透過的なデータ管理を可能にする。
それは、Bitcoinのような暗号通貨から不動産のような現実世界の資産のトークン化まで、アプリケーションをサポートする。
本稿では,ハイブリッドコンセンサス機構であるProof of Useful Intelligence(PoUI)を提案する。
論文 参考訳（メタデータ） (2025-04-24T13:32:03Z) - Privacy Preserving Semi-Decentralized Mean Estimation over Intermittently-Connected Networks [59.43433767253956]
信頼できない無線ネットワークの異なるノードに分散するベクトルの平均をプライベートに推定する問題を考える。
半分散的なセットアップでは、ノードは隣人と協力してローカルコンセンサスを計算し、中央サーバにリレーする。
ノード間のデータ共有による協調中継とプライバシー漏洩のトレードオフについて検討する。
論文 参考訳（メタデータ） (2024-06-06T06:12:15Z) - Sparse Decentralized Federated Learning [35.32297764027417]
分散フェデレートラーニング(DFL)は、中央サーバーなしで協調的なモデルトレーニングを可能にするが、効率、安定性、信頼性の課題に直面している。
Sparse DFL (SDFL) に繋がる共有モデルに空間制約を導入し,新しいアルゴリズムCEPSを提案する。
数値実験により,高い信頼性を維持しつつ,コミュニケーションと効率を向上させるための提案アルゴリズムの有効性が検証された。
論文 参考訳（メタデータ） (2023-08-31T12:22:40Z) - Relay Mining: Incentivizing Full Non-Validating Nodes Servicing All RPC Types [0.0]
リレーマイニング(Relay Mining)は、クライアントからサーバへのリモートプロシージャコール(RPC)のボリュームを推定し、証明する。
デジタル署名、コミット・アンド・リベラルスキーム、Sparse Merkle Sum Tries (SMSTs)を活用して、作業の量を証明する。
分散台帳上のネイティブ暗号は、アプリケーションを制限するために使われ、過剰使用を非インセンティブ化する。
論文 参考訳（メタデータ） (2023-05-18T03:23:41Z) - RelaySum for Decentralized Deep Learning on Heterogeneous Data [71.36228931225362]
分散機械学習では、労働者はローカルデータのモデル更新を計算する。
労働者は中心的な調整なしに隣人とのみ通信するため、これらの更新はネットワーク上で徐々に伝播する。
このパラダイムは、全接続のないネットワーク上での分散トレーニングを可能にし、データのプライバシ保護と、データセンタでの分散トレーニングの通信コストの削減を支援する。
論文 参考訳（メタデータ） (2021-10-08T14:55:32Z) - Demand-Side Scheduling Based on Multi-Agent Deep Actor-Critic Learning
for Smart Grids [56.35173057183362]
家庭用家電をネットでスケジュールできるスマートメーターが各家庭に備わっている需要側エネルギー管理の問題点を考察する。
目標は、リアルタイムの料金体系の下で全体のコストを最小化することです。
マルコフゲームとしてスマートグリッド環境の定式化を提案する。
論文 参考訳（メタデータ） (2020-05-05T07:32:40Z)
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。