論文の概要: The Three-Ring Architecture: Governing Agents in the Era of On-Platform Organisations

• arxiv url: http://arxiv.org/abs/2606.07119v1
• Date: Fri, 05 Jun 2026 10:20:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.688747
• Title: The Three-Ring Architecture: Governing Agents in the Era of On-Platform Organisations
• Title（参考訳）: 3輪アーキテクチャ:オン・プラットフォーム・オーガナイゼーション時代の統治エージェント
• Authors: Sergio Alvarez-Telena, Marta Diez-Fernandez,
• Abstract要約: 本稿では,3つのリングアーキテクチャを,オンプレミス組織の管理基盤として定式化する。 このアーキテクチャは、金融サービス、政府、調達、コンプライアンスなどの分野における10年間にわたって検証されてきた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The current phase of enterprise AI deployment faces a structural failure: organisations are acquiring agentic capability without the infrastructure to govern it. The result is expected to reproduce the error of the first wave of AI deployment: decentralised intelligence without a federation layer leading to a 95% project failure rate. This paper formalises the Three-Ring Architecture as the governing infrastructure of the on-platform organisation. Ring 1 is the existing production architecture; Ring 2 is the M2 federation layer built on strategies-based agentic AI; Ring 3 is the LLM-based frontier intelligence layer. Ring 2 constitutes, in the technically exact sense, the operating system of the agentic enterprise - performing at the organisational level what a computing OS performs at the device level: resource abstraction, process coordination, permission enforcement, and a stable platform for compounding intelligence. A central contribution is the formal distinction between Ring 2 and Ring 3 risk profiles. Strategies-based agents operate within a deterministic framework: their consequences are traceable, their permissions enforceable, their deviations recoverable. LLM-based agents introduce a categorically distinct risk: a non-deterministic actor whose deviations propagate through complex organisational systems without retrospective traceability. Ring 2 is not a useful addition - it is a necessary condition of control and compliance. A further consequence: every improvement in LLM capability is a structural tailwind for this architecture. More capable non-deterministic actors produce larger consequences when they deviate. The governance requirement scales with capability. The architecture has been validated across a decade of deployment in financial services, government, procurement, and compliance among other sectors.
• Abstract（参考訳）: 企業AIデプロイメントの現在のフェーズでは、構造的な障害に直面している。 その結果、AIデプロイメントの第1波のエラーを再現することが期待されている。 本稿では,3つのリングアーキテクチャを,オンプレミス組織の管理基盤として定式化する。 Ring 1は既存のプロダクションアーキテクチャであり、Ring 2は戦略ベースのエージェントAI上に構築されたM2フェデレーション層であり、Ring 3はLLMベースのフロンティアインテリジェンス層である。 Ring 2は、技術的に正確には、エージェントエンタープライズのオペレーティングシステムを構成する - コンピュータOSがデバイスレベルで果たす機能 – リソース抽象化、プロセス調整、権限執行、インテリジェンスを複合するための安定したプラットフォームである。 中心的な貢献は、リング2とリング3のリスクプロファイルの正式な区別である。 戦略に基づくエージェントは決定論的な枠組みで機能し、その結果はトレース可能であり、許可は強制可能であり、逸脱は回復可能である。 LLMベースのエージェントは、分類的に異なるリスクを導入する。非決定論的アクターは、逸脱は、レトロスペクティブのトレーサビリティなしで複雑な組織システムを介して伝播する。 リング2は、コントロールとコンプライアンスの必要な条件である。 さらなる結果: LLM 能力のすべての改善は、このアーキテクチャの構造的な尾風である。 より有能な非決定論的アクターは、逸脱するとより大きな結果をもたらす。 ガバナンス要件は能力とともにスケールします。 このアーキテクチャは、金融サービス、政府、調達、コンプライアンスなどの分野における10年間にわたって検証されてきた。

関連論文リスト

• PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
  5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。 PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
  論文  参考訳（メタデータ） (2026-05-12T04:59:47Z)
• Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution [1.509090088899154]
  プロダクショングレードのマルチテナントプラットフォームから抽出した制御実行プロトコルであるDynamic Tiered AgentRunnerを提案する。 本フレームワークは,(1)タスクリスクプロファイルに基づいて動的に計算資源を割り当てるリスク適応型タイリング,(2)物理的に分離された独立したエージェントによって提案,レビュー,実行,検証を行うパワーズアーキテクチャの分離,(3)障害を第一級システム状態として扱う検証器-回復閉ループによるレジリエンス・バイ・デザインの3つのコアメカニズムを紹介する。
  論文  参考訳（メタデータ） (2026-05-11T09:03:48Z)
• When Agents Evolve, Institutions Follow [52.359340707289114]
  大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。 彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。 我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
  論文  参考訳（メタデータ） (2026-04-30T10:30:58Z)
• Autonomous LLM Agents & CTFs: A Second Look [2.475524451473685]
  攻撃的なセキュリティタスクを自動化するために、大規模言語モデル(LLM)エージェントがますます提案されている。 私たちは、30のWebベースのCapture-the-Flag(CTF)課題に対して、複雑さとモジュラリティを高めるために、さまざまなエージェントアーキテクチャを設計しました。 我々はこれらのエージェントを複数のLCMバックボーンでインスタンス化し、それらを内部アーキテクチャを自動的に決定する汎用エージェントであるclaude-codeと比較する。
  論文  参考訳（メタデータ） (2026-04-29T09:42:36Z)
• Context Engineering: From Prompts to Corporate Multi-Agent Architecture [0.0]
  関連性, 十分性, 孤立性, 経済性, 証明性, およびエージェントのオペレーティングシステムとしてのコンテキストフレームの5つの品質基準を提案する。 Intent Engineeringは、組織目標、価値、トレードオフ階層をエージェントインフラストラクチャにエンコードする。 仕様工学は、大規模にマルチエージェントシステムの自律的な運用を可能にする企業方針と標準の機械可読コーパスを作成する。
  論文  参考訳（メタデータ） (2026-03-10T12:58:31Z)
• Agency and Architectural Limits: Why Optimization-Based Systems Cannot Be Norm-Responsive [0.0]
  AIシステムは、標準によって管理されるという前提の下で、ハイステークな状況にますますデプロイされている。 本稿では,最適化システムに対して仮定が正式に無効であることを示す。
  論文  参考訳（メタデータ） (2026-02-26T17:16:17Z)
• Why Does the LLM Stop Computing: An Empirical Study of User-Reported Failures in Open-Source LLMs [50.075587392477935]
  オープンソースのDeepSeek、Llama、Qwenのエコシステムから、705の現実世界の失敗に関する大規模な実証的研究を行った。 ホワイトボックスオーケストレーションは、モデルアルゴリズムの欠陥からデプロイメントスタックのシステム的脆弱性へと、信頼性のボトルネックを移動させます。
  論文  参考訳（メタデータ） (2026-01-20T06:42:56Z)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• Diagnose, Localize, Align: A Full-Stack Framework for Reliable LLM Multi-Agent Systems under Instruction Conflicts [75.20929587906228]
  LLM(Large Language Model)を利用したマルチエージェントシステム(MAS)は、複雑なタスクにおける協調推論、ツールの使用、役割特化調整を急速に進めている。 しかし、信頼性クリティカルなデプロイメントは、体系的な障害モード、すなわち命令の競合による階層的コンプライアンスによって妨げられている。
  論文  参考訳（メタデータ） (2025-09-27T08:43:34Z)
• Topological Structure Learning Should Be A Research Priority for LLM-Based Multi-Agent Systems [69.95482609893236]
  大規模言語モデルに基づくマルチエージェントシステム(MAS)は、協調的な知性によって複雑なタスクに取り組むための強力なパラダイムとして登場した。 我々は,エージェント間相互作用の構造を明示的にモデル化し,動的に最適化する,エフェトロジーを意識したMASへのパラダイムシフトを求める。
  論文  参考訳（メタデータ） (2025-05-28T15:20:09Z)

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。