論文の概要: Agentic Generation and Evolution of Knowledge Models
- arxiv url: http://arxiv.org/abs/2606.03662v2
- Date: Thu, 04 Jun 2026 04:07:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 19:21:33.1963
- Title: Agentic Generation and Evolution of Knowledge Models
- Title（参考訳）: エージェント生成と知識モデルの進化
- Authors: Man Zhang, Tao Yue, Nazareno M. Aguirre, Diego Garbervetsky, Sebastian Uchitel,
- Abstract要約: TrustModelは、生きた知識モデルのエージェント生成と進化のためのビジョンである。
TrustModelは3つのエージェントサブシステムで構成されている。
モデルベーステストにおいてTrustModelをどのようにインスタンス化できるかを示し、他のMDEアクティビティをサポートする可能性について議論する。
- 参考スコア（独自算出の注目度）: 4.168155782880742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Complex software systems such as autonomous vehicles, robotics increasingly interact with dynamic physical, cyber, and social environments. Reasoning about their behavior, maintaining them under continuous change, and evolving them safely require trustworthy knowledge about the system, its assumptions, and its operating context. Knowledge models (KMs) provide a practical basis for such reasoning, but they may themselves become incomplete, inconsistent, or outdated as systems evolve. This paper presents TrustModel, a vision for the agentic generation and evolution of living KMs. TrustModel comprises three agentic subsystems: Modeling, for constructing and updating KMs; Conformance, for assessing their alignment with the system and its environment; and Evolution, for generating guidance to keep KMs synchronized with emerging changes. We demonstrate how TrustModel can be instantiated for model-based testing and discuss its potential for supporting other MDE activities, such as requirements and assumption monitoring, architectural drift tracking, and change impact assessment. Overall, TrustModel positions living KMs as a foundation for dependable engineering of continuously evolving software systems.
- Abstract（参考訳）: 自動運転車やロボティクスといった複雑なソフトウェアシステムは、動的物理的、サイバー的、社会的環境とますます相互作用する。
彼らの振る舞いを推論し、継続的な変化の下でそれらを維持し、それを進化させるには、システムやその仮定、運用状況に関する信頼できる知識を安全に必要とします。
知識モデル(KM)はそのような推論の実践的な基礎を提供するが、システムが進化するにつれて、それ自体が不完全、不整合、あるいは時代遅れになるかもしれない。
本稿では,生物KMのエージェント生成と進化のビジョンであるTrustModelについて述べる。
TrustModelは3つのエージェントサブシステムで構成されている。モデリング、KMの構築と更新、コンフォーマンス、システムとその環境との整合性の評価、新しい変更と同期を維持するためのガイダンスを生成するEvolutionである。
モデルベーステストにおいてTrustModelをどのようにインスタンス化できるかを示し、要求や仮定監視、アーキテクチャドリフトトラッキング、変更影響評価など、他のMDEアクティビティをサポートする可能性について議論する。
全体として、TrustModelは、継続的に進化するソフトウェアシステムの信頼性の高いエンジニアリングの基礎として、生きたKMを位置づけている。
関連論文リスト
- Interpreting Agentic Systems: Beyond Model Explanations to System-Level Accountability [0.6745502291821954]
エージェントシステムは、ゴール指向の振る舞いを持つ自律システムを構築するために、大規模言語モデルをどのように活用するかを変えてきた。
主に静的モデルのために開発された現在の解釈可能性技術は、エージェントシステムに適用する際の制限を示す。
本稿では,エージェントシステムにおける既存の解釈可能性手法の適合性と限界について検討する。
論文 参考訳（メタデータ） (2026-01-23T21:05:32Z) - 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) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。
自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。
また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - On the Trustworthiness of Generative Foundation Models: Guideline, Assessment, and Perspective [377.2483044466149]
Generative Foundation Models (GenFMs) がトランスフォーメーションツールとして登場した。
彼らの広く採用されていることは、次元の信頼に関する重要な懸念を提起する。
本稿では,3つの主要なコントリビューションを通じて,これらの課題に対処するための包括的枠組みを提案する。
論文 参考訳（メタデータ） (2025-02-20T06:20:36Z) - Systems Challenges for Trustworthy Embodied Systems [0.0]
エンボディシステムと呼ばれる、ますます自律的かつ自律的な新世代のシステムの開発が進んでいる。
実施されたシステムの振る舞いを有益な方法で調整し、人間中心の社会的価値との整合性を確保し、安全で信頼性の高い人間と機械の相互作用を設計することが不可欠である。
我々は、急進的なシステム工学が組み込みシステムからエンボディドシステムへの気候に到達し、状況を認識し、意図的に駆動され、爆発的に進化し、ほとんど予測不可能で、ますます自律的なエンボディドシステムのダイナミックフェデレーションの信頼性を保証していると論じている。
論文 参考訳（メタデータ） (2022-01-10T15:52:17Z)
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。