論文の概要: Distributed Agent System: Fault-Tolerant Collaboration Among Embodied Agents

• arxiv url: http://arxiv.org/abs/2607.10811v1
• Date: Sun, 12 Jul 2026 15:45:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.547491
• Title: Distributed Agent System: Fault-Tolerant Collaboration Among Embodied Agents
• Title（参考訳）: 分散型エージェントシステム: エージェント間のフォールトトレラント協調
• Abstract要約: Distributed Agent System (DAS) は異種エージェント間のフォールトトレラントコラボレーションのためのデバイスエッジクラウドフレームワークである。 本稿では,フォールトトレラントアライメントによる単一エージェント実行信頼性と,半形式言語プロトコルによるクロスエージェント通信信頼性の2層アーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 17.612748633265202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI engineering is shifting from passive text generation by large language models (LLMs) to agent-driven task execution, creating new reliability challenges for long-horizon tasks under resource constraints and environmental uncertainty. Conventional error-elimination optimization strategies fail to address cumulative error propagation. This paper proposes Distributed Agent System (DAS), a device-edge-cloud framework for fault-tolerant collaboration among heterogeneous agents. We redefine agent reliability as system-level fault tolerance rather than single-turn zero-error accuracy, and present a two-layer fault-tolerance architecture: single-agent execution reliability via fault-tolerant alignment, and cross-agent communication reliability via semi-formal language protocols. This framework provides a practical engineering pathway for reliable heterogeneous embodied agents collaboration in industrial scenarios.
• Abstract（参考訳）: AIエンジニアリングは、大規模言語モデル(LLM)による受動的テキスト生成からエージェント駆動タスク実行へと移行し、リソース制約と環境不確実性の下での長期タスクに対する新たな信頼性課題を生み出している。 従来の誤り除去最適化戦略は累積誤差伝搬に対処できない。 本稿では,異種エージェント間のフォールトトレラントコラボレーションのためのデバイスエッジクラウドフレームワークであるDistributed Agent System (DAS)を提案する。 我々は,エージェントの信頼性を単一ターンゼロエラー精度よりもシステムレベルの耐障害性として再定義し,フォールトトレラントアライメントによるシングルエージェント実行信頼性とセミフォーマル言語プロトコルによるクロスエージェント通信信頼性という,2層耐障害アーキテクチャを提案する。 このフレームワークは、産業シナリオにおける信頼性のある不均一なエンボディエージェントの協調のための実用的な技術パスを提供する。

関連論文リスト

• EARS: Explanatory Abstention for Reliable Sub-Agent Modeling in Large-scale Multi-Agent Systems [10.041587906073222]
  本稿では,サブエージェントの排除をエージェント間通信プロトコルとして再編成する生産指向フレームワークEARSについて述べる。 EARSは、全体のレスポンスパス率を68.5%から78.9%に改善し、サブエージェント側の説明的禁忌がMASの信頼性を向上させることを示した。
  論文  参考訳（メタデータ） (2026-06-17T04:07:41Z)
• Meta-Agent: From Task Descriptions to Verified Multi-Agent Systems [36.485119937780524]
  本稿では,マルチエージェントシステムの自動構築と実行を行う2相フレームワークMeta-Agentを提案する。 本稿では,局所的,上流的,構造的障害を区別する3段階の誤り帰属機構を提案する。 強力なマルチエージェントベースラインとアブレーションスタディに対する実験では、タスク成功率、エラー回復、ワークフロー安定性が一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-05-24T19:38:54Z)
• Trustworthy Agent Network: Trust in Agent Networks Must Be Baked In, Not Bolted On [37.45330451512762]
  A2Aネットワークは、単に1つのエージェントを使ってタスク全体を完了させるのに比べ、タスクパフォーマンスが向上する。 我々は、A2Aネットワークの信頼性は、主に個々のエージェント向けに設計された既存のプロトコルを適合させることによって完全に保証できないと論じる。 4つの設計柱を通してA2Aシステムを信頼する包括的概念的枠組みを提案する。
  論文  参考訳（メタデータ） (2026-05-18T18:57:54Z)
• VerifyMAS: Hypothesis Verification for Failure Attribution in LLM Multi-Agent Systems [79.51005192758262]
  大規模言語モデル駆動型マルチエージェントシステムは複雑なタスクで優れている。 しかし、信頼性の低いエージェントは、システムレベルの信頼性にとって重要なボトルネックである。 本稿では,エージェント故障の帰属に関する仮説検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-17T14:09:35Z)
• Auditing Agent Harness Safety [81.22315979618612]
  LLMエージェントは、ツールをディスパッチし、リソースを割り当て、特別なコンポーネント間でメッセージをルーティングする実行ハーネスの中でますます動作します。 ほとんどの安全ベンチマークは最終出力または終端状態のみをスコアするが、多くの違反は終端ではなく、軌道の途中で発生する。 HarnessAuditは、境界コンプライアンス、実行の忠実さ、システムの安定性など、完全な実行軌跡を監査するフレームワークである。
  論文  参考訳（メタデータ） (2026-05-14T02:14:28Z)
• FAMA: Failure-Aware Meta-Agentic Framework for Open-Source LLMs in Interactive Tool Use Environments [60.3427704389541]
  大規模言語モデルは、自律エージェントの意思決定コアとして、ますます多くデプロイされている。 しかし、会話のベンチマークでは、誤った意思決定のカスケード効果のために、これらのエージェントは頻繁に失敗する。 これらの課題に対処するために、Failure-Aware Meta-Agenticフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T02:21:53Z)
• Agentic Confidence Calibration [67.50096917021521]
  Holistic Trajectory (HTC)はAIエージェントの新しい診断フレームワークである。 HTCはキャリブレーションと差別の両方において、強力なベースラインを一貫して超えている。 HTCは、障害の背後にあるシグナルを明らかにすることによって、解釈可能性を提供する。
  論文  参考訳（メタデータ） (2026-01-22T09:08:25Z)
• Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
  本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。 問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。 BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
  論文  参考訳（メタデータ） (2025-12-20T12:06:13Z)
• Metacognitive Self-Correction for Multi-Agent System via Prototype-Guided Next-Execution Reconstruction [58.51530390018909]
  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は、協調的な問題解決において優れているが、エラーのカスケードには脆弱である。 我々は,MASにリアルタイム,教師なし,ステップレベルの誤り検出と自己補正を付与するメタ認知フレームワークMASCを提案する。
  論文  参考訳（メタデータ） (2025-10-16T05:35:37Z)
• AgentAsk: Multi-Agent Systems Need to Ask [26.13279490836716]
  大規模言語モデル(LLM)上に構築されたマルチエージェントシステムは、協調的な分業による問題解決能力の向上を約束する。 我々はAgentAskを提案する。AgentAskは軽量でプラグ・アンド・プレイの明確化モジュールで、すべてのエージェント間メッセージを潜在的な障害点として扱い、エラーの伝播を抑えるのに必要最小限の質問を挿入する。 AgentAskは、公開マルチエージェント実装の精度と堅牢性を継続的に改善し、オーバーヘッドを最小限に抑え、レイテンシと余分なコストを5%以下に抑える。
  論文  参考訳（メタデータ） (2025-10-08T22:36:05Z)

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。