論文の概要: From Task-Guided Conversational Graphs to Goal-Oriented Dialogue Runtimes

• arxiv url: http://arxiv.org/abs/2606.23797v1
• Date: Mon, 22 Jun 2026 18:00:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.615074
• Title: From Task-Guided Conversational Graphs to Goal-Oriented Dialogue Runtimes
• Title（参考訳）: Task-Guided Conversational GraphsからGoal-Oriented Dialogue Runtimesへ
• Authors: Mariano Garralda-Barrio,
• Abstract要約: Goal-Oriented Dialogue(GODR)はフレームワークニュートラルなデザインパターンで、ゴール、タスクフレーム、ライフサイクル状態、無効化ルール、境界実行をファーストクラスのランタイムオブジェクトとして扱う。 GODRは、エージェントアイデンティティ、チャット履歴、実行グラフ位置のみから目的の連続性を確実に回収できない複雑な、複数ドメインの割り込み可能な会話を意図している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Graph and multi-agent orchestration frameworks make production large language model (LLM) workflows practical, but they do not by themselves solve conversational continuity when users maintain several interdependent objectives. This conceptual systems paper focuses on the high-complexity end of that design space, where goals can be suspended, resumed, revised, and invalidated by actions in other goals. We introduce the Goal-Oriented Dialogue Runtime (GODR), a framework-neutral design pattern that treats goals, task frames, lifecycle state, invalidation rules, and resumption contracts as first-class runtime objects while delegating bounded execution to graph runtimes, agents, tools, or application programming interfaces (APIs). GODR is not proposed as a replacement for workflow graphs in simple guided processes; it is intended for complex, multi-domain, interruptible conversations where objective continuity cannot be recovered reliably from agent identity, chat history, or execution-graph position alone. The paper formalizes the problem, proposes runtime objects and architecture-selection criteria, and frames evaluation as an agenda for future empirical validation rather than as a measured performance claim.
• Abstract（参考訳）: グラフおよびマルチエージェントオーケストレーションフレームワークは、実運用用の大規模言語モデル(LLM)ワークフローを実用的なものにするが、ユーザがいくつかの相互依存的な目的を維持している場合、それ自体が会話の連続性を解決するわけではない。 この概念体系の論文は、他の目標における行動によって、目標を停止、再開、修正、無効化できるような、その設計空間の高複雑さの終端に焦点を当てている。 私たちはGoal-Oriented Dialogue Runtime(GODR)を紹介します。Goal-Oriented Dialogue Runtimeはフレームワークニュートラルなデザインパターンで、ゴール、タスクフレーム、ライフサイクル状態、無効化ルール、再使用契約をファーストクラスのランタイムオブジェクトとして扱うと同時に、バウンダリ実行をグラフランタイム、エージェント、ツール、あるいはアプリケーションプログラミングインターフェース(API)に委譲します。 GODRは単純なガイド付きプロセスにおけるワークフローグラフの代替として提案されておらず、エージェントアイデンティティ、チャット履歴、実行グラフ位置のみから目的の連続性を確実に回復できない複雑な、複数ドメインの割り込み可能な会話を意図している。 本論文は,この問題を定式化し,実行時オブジェクトとアーキテクチャ選択基準を提案し,評価を測定性能クレームではなく,将来の実証的検証の議題とする。

関連論文リスト

• GTA: Generating Long-Horizon Tasks for Web Agents at Scale [82.43869456830664]
  我々は、クローリング、検索ベースのシード、コンテキスト内生成、自動品質管理を統合したスケーラブルなフレームワーク、GTAを導入する。 eコマース、政府、フォーラム、ニュースをカバーする50以上のウェブサイトでパイプラインをインスタンス化し、マルチリンガルとマルチホップをカバーしています。 i) マルチホップWebエージェントタスク生成の形式化、(ii) 自動データ生成のための効率的で検証されたパイプラインの提案、(iii) 再現可能な評価を伴う動的ベンチマークのリリースである。
  論文  参考訳（メタデータ） (2026-05-28T01:05:50Z)
• The Log is the Agent: Event-Sourced Reactive Graphs for Auditable, Forkable Agentic Systems [0.0]
  典型的なエージェントフレームワークを反転させるランタイムであるActiveGraphについて説明する。 追加のみのイベントログが真実の源であり、ワーキンググラフはそのログの決定論的プロジェクションである。 コンポーネントが他のコンポーネントに指示することはありません。
  論文  参考訳（メタデータ） (2026-05-21T04:55:38Z)
• Reasoning over Object Descriptions Improves Coreference Resolution in Task-Based Dialogue Systems [4.617917983223879]
  タスクベースの対話システムは、アクションの実行や情報の検索など、ユーザが特定の目標を達成するのを支援する。 対話の中でオブジェクト参照を特定することを含むため、正確なコア参照解決は不可欠である。 本研究では,大規模言語モデルによる詳細なオブジェクトメタデータと対話履歴の推論を可能にする一元的テスト時推論手法を提案する。
  論文  参考訳（メタデータ） (2026-04-30T13:33:27Z)
• IACT: A Self-Organizing Recursive Model for General AI Agents: A Technical White Paper on the Architecture Behind kragent.ai [0.0]
  対話型エージェントコールツリー(Interactive Agents Call Tree, IACT)は、ユーザ対話によって純粋に駆動される汎用的な自律システムである。 我々は,このモデルをKragent.aiシステムに導入する際のアーキテクチャ,設計原則,実践的な教訓について述べる。
  論文  参考訳（メタデータ） (2025-12-02T10:10:56Z)
• DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
  DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。 社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。 結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
  論文  参考訳（メタデータ） (2025-09-30T10:36:23Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• VeriGraph: Scene Graphs for Execution Verifiable Robot Planning [33.8868315479384]
  本稿では,ロボット計画のための視覚言語モデル(VLM)を統合するフレームワークであるVeriGraphを提案する。 VeriGraphはシーングラフを中間表現として使用し、キーオブジェクトと空間関係をキャプチャして、計画検証と改善を改善する。 提案手法は,多様な操作シナリオにおけるタスク完了率を大幅に向上させ,言語ベースタスクでは58%,画像ベースタスクでは30%,ベースラインメソッドでは58%向上させる。
  論文  参考訳（メタデータ） (2024-11-15T18:59:51Z)
• Interactive Task Planning with Language Models [89.5839216871244]
  対話型ロボットフレームワークは、長期のタスクプランニングを達成し、実行中であっても、新しい目標や異なるタスクに容易に一般化することができる。 最近の大規模言語モデルに基づくアプローチは、よりオープンな計画を可能にするが、しばしば、重いプロンプトエンジニアリングまたはドメイン固有の事前訓練されたモデルを必要とする。 言語モデルを用いた対話型タスクプランニングを実現するための,高レベルプランニングと低レベルスキル実行を併用したシンプルなフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-10-16T17:59:12Z)

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。