Fugu-MT 論文翻訳(概要): A T-API-Compliant ReAct Agentic Loop for Optical Networks: Generic vs. Domain-Specific Tool Abstractions

論文の概要: A T-API-Compliant ReAct Agentic Loop for Optical Networks: Generic vs. Domain-Specific Tool Abstractions

arxiv url: http://arxiv.org/abs/2606.18000v1
Date: Tue, 16 Jun 2026 14:47:16 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-17 17:15:32.492833
Title: A T-API-Compliant ReAct Agentic Loop for Optical Networks: Generic vs. Domain-Specific Tool Abstractions
Title（参考訳）: 光ネットワークのためのTAPI互換リアクトエージェントループ:ジェネリック対ドメイン特化ツール抽象化
Authors: Seyed Morteza Ahmadian, Paolo Monti, Carlos Natalino,
Abstract要約: 本稿では,最初のT-API準拠の推論と行動(ReAct)ループを示す。汎用ツールと比較して,ドメイン固有の複合ツールは3倍のトークンセーブで90%のオラクル価の正当性を達成できることを示す。
参考スコア（独自算出の注目度）: 0.657617399848265
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Optical networks need intent-driven, closed-loop agentic management, a key enabler for higher autonomy levels. We present the first T-API-compliant reasoning and act (ReAct) loop. We show that domain-specific composite tools achieve 90% oracle-validated correctness with threefold token savings compared to generic tools.
Abstract（参考訳）: 光ネットワークは、より高い自律レベルを実現するための鍵となる、意図駆動のクローズドループエージェント管理を必要とする。本稿では,最初のT-API準拠の推論と行動(ReAct)ループを示す。汎用ツールと比較して,ドメイン固有の複合ツールは3倍のトークンセーブで90%のオラクル価の正当性を達成できることを示す。

関連論文リスト

SING: Synthetic Intention Graph for Scalable Active Tool Discovery in LLM Agents [64.59100414726556]
大規模言語モデル(LLM)エージェントは、コンテキスト、ツール、マルチターン実行を管理するハーネスに依存している。 Retrieval-augmented Tool selectionは、自然な代替手段を提供するが、既存のワンショット検索方法は、独立したツール記述とエージェントの真のタスク意図との整合に失敗する。我々は、ユーザ意図、ツール機能、ツールコラボレーションパターンをリンクするインテントツーオールグラフを構築する、意図認識型のアクティブツール発見フレームワークであるSINGを提案する。
論文参考訳（メタデータ） (2026-06-15T11:37:37Z)
Adaptive Minds: Empowering Agents with LoRA-as-Tools [0.0]
Adaptive Mindsは、LoRAアダプタをドメイン固有のツールとして扱うエージェントシステムである。 Systemはワークフロー管理のためにLangGraphで構築され、APIとWebインターフェースの両方をサポートし、完全にオープンソースである。
論文参考訳（メタデータ） (2025-10-17T08:10:06Z)
OneNet: A Fine-Tuning Free Framework for Few-Shot Entity Linking via Large Language Model Prompting [49.655711022673046]
OneNetは、大規模言語モデル(LLM)の少数ショット学習機能を利用する革新的なフレームワークで、微調整は不要である。 1)無関係なエンティティを要約してフィルタリングすることで入力を単純化するエンティティリダクションプロセッサ,(2)コンテキスト的キューと事前知識を組み合わせて正確なエンティティリンクを行うデュアルパースペクティブエンティティリンカ,(3)エンティティリンク推論における幻覚を緩和するユニークな一貫性アルゴリズムを利用するエンティティコンセンサス判定器,である。
論文参考訳（メタデータ） (2024-10-10T02:45:23Z)
Multi-Prompt Alignment for Multi-Source Unsupervised Domain Adaptation [86.02485817444216]
マルチプロンプトアライメント(MPA: Multi-Prompt Alignment)は,マルチソースUDAのためのシンプルかつ効率的なフレームワークである。 MPAは、学習したプロンプトを自動エンコードプロセスで認知し、再構築されたプロンプトの合意を最大化することでそれらを調整する。実験によると、MPAは3つの一般的なデータセットで最先端の結果を達成し、DomainNetの平均精度は54.1%である。
論文参考訳（メタデータ） (2022-09-30T03:40:10Z)
DecoupleNet: Decoupled Network for Domain Adaptive Semantic Segmentation [78.30720731968135]
セマンティックセグメンテーションにおける教師なしドメイン適応は、高価なピクセル単位のアノテーションへの依存を軽減するために提起されている。我々は、ソースドメインのオーバーフィットを軽減し、最終的なモデルをセグメント化タスクに集中できるようにするDecoupleNetを提案する。我々はまた、自己識別(SD)を推進し、擬似ラベルでより識別可能なターゲットドメイン特徴を学習するための補助分類器を導入した。
論文参考訳（メタデータ） (2022-07-20T15:47:34Z)
Multi-Plateau Ensemble for Endoscopic Artefact Segmentation and Detection [3.9373541926236766]
アーティファクト検出、セマンティックセグメンテーション、サンプル外一般化。セマンティックセグメンテーションタスクにおいて,機能抽出/エンコーダとしてEfficientNetを用いたFPNの多段アンサンブルを提案する。オブジェクト検出タスクでは、Resnext101 BackboneでResnet50 BackboneとFasterRCNN(FPN + DC5)を使用したRetinaNetの3つのモデルアンサンブルを使用しました。
論文参考訳（メタデータ） (2020-03-23T08:28:36Z)

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。