論文の概要: Model-Native Computing Architecture: Envisioning Future System Architecture Through the Lens of Computer Architecture

• arxiv url: http://arxiv.org/abs/2606.00288v1
• Date: Fri, 29 May 2026 19:20:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.25617
• Title: Model-Native Computing Architecture: Envisioning Future System Architecture Through the Lens of Computer Architecture
• Title（参考訳）: Model-Native Computing Architecture: コンピュータアーキテクチャのレンズによる将来のシステムアーキテクチャの構想
• Authors: Hai Lin,
• Abstract要約: 大規模言語モデルは、モデル技術からシステム技術へ移行している。 繰り返し発生するエンジニアリング問題は 古典的なコンピュータシステムに 似ています コンピュータアーキテクチャから新たなモデルネイティブスタックまでの概念をマッピングします。
• 参考スコア（独自算出の注目度）: 3.6606890511372705
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models are undergoing a transition from model technology to system technology. As developers use Codex, Claude Code, AutoGPT, and related agents to write code, manage projects, and execute multi-step tasks, recurring engineering problems such as cache reuse, context management, agent scheduling, and permission control increasingly resemble classical computer systems problems. This paper develops that analogy as a visionary survey. We map concepts from computer architecture to the emerging model-native stack and review work on LLM-as-OS, memory management, agent frameworks, tool protocols, multi-agent coordination, cognitive architectures, and safety governance. We argue that these strands address different layers of the same system but lack a unified model. To fill this gap, we propose the Intelligent Computing Architecture Model (ICAM), a six-layer framework for model-native computing with explicit interface contracts and design axioms. ICAM resolves the apparent tension over whether an LLM is more like a CPU or an operating system through a dual-plane view: a probabilistic execution plane concerned with what can be computed, and a deterministic control plane concerned with what should be computed. We further introduce three design laws: the Semantic Locality Law for KV-cache reuse and inference speedup, the Context Budget Law for effective working sets under finite windows and attention decay, and the Agent Speedup Law for diminishing returns in multi-agent collaboration. We validate these laws against published system-level data and relate them to recent evidence on agentic software practices. We conclude by identifying where the analogy breaks down and outlining a research roadmap for model-native computing. This is a conceptual and survey contribution; it does not report new experiments.
• Abstract（参考訳）: 大規模言語モデルは、モデル技術からシステム技術へ移行している。 Codex、Claude Code、AutoGPT、および関連するエージェントを使用してコードを書き、プロジェクトを管理し、マルチステップタスクを実行する。 本稿では、その類推を幻想的調査として展開する。 LLM-as-OS,メモリ管理,エージェントフレームワーク,ツールプロトコル,マルチエージェントコーディネーション,認知アーキテクチャ,安全管理といった概念を,コンピュータアーキテクチャから新たなモデルネイティブスタックにマッピングする。 これらのストランドは同じシステムの異なるレイヤに対処するが、統一されたモデルがないと我々は主張する。 このギャップを埋めるために、明示的なインターフェース契約と設計公理を持つモデルネイティブコンピューティングのための6層フレームワークであるIntelligent Computing Architecture Model (ICAM)を提案する。 ICAMは、LLMがCPUやオペレーティングシステムのようなものなのか、それともデュアルプレーンのビューなのかという明らかな緊張を解決し、計算可能なものに関する確率的実行プレーンと、計算すべきものに関する決定論的制御プレーンである。 さらに,KV-cacheの再利用と推論の高速化に関するセマンティック・ローカリティ法,有限ウィンドウ下での効果的な作業セットに対するコンテキスト予算法,マルチエージェント協調におけるリターンの減少に関するエージェント・スピードアップ法,という3つの設計法を導入する。 我々は,これらの法則を公開システムレベルのデータに対して検証し,エージェント的ソフトウェアプラクティスに関する最近の証拠に関連付ける。 アナロジーがどこで分解されるのかを特定し、モデルネイティブコンピューティングの研究ロードマップを概説する。 これは概念的および調査的な貢献であり、新しい実験を報告していない。

関連論文リスト

• From Model Scaling to System Scaling: Scaling the Harness in Agentic AI [4.802305157491253]
  本稿では,エージェントAIの次なるボトルネックをシステムスケーリングとして検討する。 我々は、このシフトをハーネスのスケーリングと呼び、基礎モデルを取り巻く構造化された実行層を設計、評価、最適化の第一級のオブジェクトとして扱います。 私たちの主張では、エージェントAIの今後の進歩は、より強力な基礎モデルと同じくらい、システム設計に依存します。
  論文  参考訳（メタデータ） (2026-05-25T17:59:36Z)
• Memory-Augmented Reinforcement Learning Agent for CAD Generation [3.787730810941452]
  本稿では,CAD生成エージェントのためのメモリ拡張型強化学習フレームワークを提案する。 このフレームワークは、基盤となる幾何学的カーネルを、エージェントによって呼び出し可能な構造化ツールチェーンにカプセル化する。 実験により,提案手法は複雑なCADモデル生成タスクにおける成功率と幾何整合性の両方を著しく改善することが示された。
  論文  参考訳（メタデータ） (2026-05-19T12:16:31Z)
• Code as Agent Harness [107.31925305395957]
  新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。 コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。 この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
  論文  参考訳（メタデータ） (2026-05-18T17:59:03Z)
• Beyond Test-Time Training: Learning to Reason via Hardware-Efficient Optimal Control [86.63490309209378]
  我々は、最適制御として推論を定式化し、推論時に潜在状態に対して有限水平LQR計画を行うテスト時間制御層を導入する。 アーキテクチャ層として最適制御を組み込むことは、テスト時間トレーニングを超えた推論のための効果的でスケーラブルなメカニズムを提供することを実証する。
  論文  参考訳（メタデータ） (2026-03-10T05:42:13Z)
• REGAL: A Registry-Driven Architecture for Deterministic Grounding of Agentic AI in Enterprise Telemetry [0.0]
  大規模言語モデル(LLM)は、エージェント自動化の新しい形態を可能にする。 本稿では,企業テレメトリにおけるエージェントAIシステムの決定論的基盤化のためのレジストリ駆動型アーキテクチャREGALを提案する。
  論文  参考訳（メタデータ） (2026-03-03T14:13:39Z)
• El Agente Gráfico: Structured Execution Graphs for Scientific Agents [7.47895130442454]
  タイプセーフな実行環境内に,大規模言語モデル(LLM)による意思決定を組み込んだ単一エージェントフレームワークであるEl Agente Grficoを紹介する。 我々のアプローチの中心は、科学概念の構造化された抽象化と、型付きPythonオブジェクトとして計算状態を表すオブジェクトグラフマッパーである。 大学レベルの量子化学タスクのスイートにまたがって,自動ベンチマークフレームワークを開発することにより,システムの評価を行う。
  論文  参考訳（メタデータ） (2026-02-19T23:47:05Z)
• Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
  エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。 また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
  論文  参考訳（メタデータ） (2026-01-18T19:51:16Z)
• Youtu-LLM: Unlocking the Native Agentic Potential for Lightweight Large Language Models [78.73992315826035]
  ネイティブエージェントインテリジェンスと高い計算効率を調和させる軽量言語モデルであるYoutu-LLMを紹介する。 Youtu-LLMは、スクラッチから体系的に推論と計画能力の育成まで事前訓練されている。
  論文  参考訳（メタデータ） (2025-12-31T04:25:11Z)
• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)

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。