論文の概要: MyAG: A Graph-Based Framework for Designing and Analyzing Composable LLM Agent Systems
- arxiv url: http://arxiv.org/abs/2607.13474v1
- Date: Wed, 15 Jul 2026 06:03:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.667214
- Title: MyAG: A Graph-Based Framework for Designing and Analyzing Composable LLM Agent Systems
- Title（参考訳）: MyAG: 構成可能なLLMエージェントシステムの設計と解析のためのグラフベースのフレームワーク
- Abstract要約: MyAGは、構成可能なLLMエージェントシステムの設計と分析のためのグラフベースのフレームワークである。
私たちのフレームワークは公開されており、完全にオープンソースです。
- 参考スコア（独自算出の注目度）: 7.4813890775941125
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present MyAG, a graph-based framework for designing and analyzing composable LLM agent systems. Our framework separates agent system construction into three graph abstractions: a component graph for agents, environments, and modules; a workflow graph for execution control; and a search graph for runtime execution. This separation allows users to flexibly reuse the same components with different strategies. We further support hierarchical composition through recursive system nodes and provide monitoring and visualization tools for inspecting agent execution. Experiments on representative agent applications show that our framework supports flexible agent system design and helps analyze performance-efficiency tradeoffs. Our framework is publicly available and fully open-source.
- Abstract（参考訳）: 構成可能なLLMエージェントシステムを設計・解析するためのグラフベースのフレームワークであるMyAGを提案する。
本フレームワークはエージェントシステム構築を,エージェント,環境,モジュールのコンポーネントグラフ,実行制御のワークフローグラフ,実行実行のサーチグラフという3つのグラフ抽象化に分割する。
この分離により、ユーザーは異なる戦略で同じコンポーネントを柔軟に再利用できる。
さらに、再帰的なシステムノードを通して階層的な構成をサポートし、エージェントの実行を検査するための監視および可視化ツールを提供する。
代表エージェントアプリケーションの実験により、我々のフレームワークはフレキシブルエージェントシステム設計をサポートし、性能効率のトレードオフを分析するのに役立ちます。
私たちのフレームワークは公開されており、完全にオープンソースです。
関連論文リスト
- Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence [115.91847478507736]
LLMは言語ジェネレータから、複雑な長距離タスクが可能な自律エージェントへと進化してきた。
多くのタスクにはヘテロジニアスな専門知識、相互依存サブタスク、並列実行、独立検証、永続状態が必要である。
私たちはこれをシステムインテリジェンス(System Intelligence)と呼び、複数のインテリジェントなコンポーネントを一貫した適応的な全体へと整理し、コーディネートするエージェントシステムの能力である。
論文 参考訳（メタデータ） (2026-08-21T14:27:57Z) - Focus Is All You Need: Adaptive Goal-aware Attention Orchestration for Multi-Agent Graph Systems [28.41165257733149]
大規模言語モデル(LLM)は、推論、計画、計算、ツール使用のための自律的なエージェントを可能にする。
近年のシステムは、これらのエージェントを特別な相互接続ノードのグラフとして整理するようになっている。
既存のアプローチはしばしばグラフコンポーネントを均一に実行し、無関係または低インパクトなタスクでリソースを浪費する。
textbfAttention Orchestrationは、トークン表現からワークフローレベルのエージェント調整まで、Transformerスタイルの注意を拡大するパラダイムである。
論文 参考訳（メタデータ） (2026-07-26T14:23:33Z) - MASFactory: A Graph-centric Framework for Orchestrating LLM-Based Multi-Agent Systems with Vibe Graphing [29.41980157624285]
大規模言語モデルベース (LLM-based) マルチエージェントシステム (MAS) は、役割計算と協調によるエージェント問題解決の拡張にますます利用されている。
LLMベースのMASを編成するグラフ中心のフレームワークであるMASFactoryを提案する。
Vibe Graphingは、自然言語インテントを編集可能なワークフロー仕様にコンパイルし、実行可能グラフにコンパイルする、ヒューマン・イン・ザ・ループのアプローチである。
論文 参考訳（メタデータ） (2026-03-06T08:04:12Z) - El Agente Gráfico: Structured Execution Graphs for Scientific Agents [7.47895130442454]
タイプセーフな実行環境内に,大規模言語モデル(LLM)による意思決定を組み込んだ単一エージェントフレームワークであるEl Agente Grficoを紹介する。
我々のアプローチの中心は、科学概念の構造化された抽象化と、型付きPythonオブジェクトとして計算状態を表すオブジェクトグラフマッパーである。
大学レベルの量子化学タスクのスイートにまたがって,自動ベンチマークフレームワークを開発することにより,システムの評価を行う。
論文 参考訳（メタデータ） (2026-02-19T23:47:05Z) - ChartAgent: A Chart Understanding Framework with Tool Integrated Reasoning [26.725654222717335]
ツール統合推論に基づくチャート理解フレームワークであるChartAgentを紹介する。
人間の認識にインスパイアされたChartAgentは、複雑なチャート解析を可観測で再生可能な一連のステップに分解する。
スパースアノテーション設定下ではChartAgentが大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2025-12-16T03:17:04Z) - Multi-Agent GraphRAG: A Text-to-Cypher Framework for Labeled Property Graphs [7.943264761730892]
Multi-Agent GraphRAGはLPGベースのグラフデータに対する自然言語インタフェースとして機能する。
繰り返しコンテンツ認識の修正と正規化は、集約されたフィードバックループによって強化され、生成されたクエリのセマンティックおよび構文的改善の両方を保証する。
このことは、このようなアプローチがAIを大規模に現実世界のアプリケーションにブリッジする方法を強調し、産業用デジタル自動化のユースケースを可能にしている。
論文 参考訳（メタデータ） (2025-11-11T14:04:00Z) - AutoGraph-R1: End-to-End Reinforcement Learning for Knowledge Graph Construction [60.51319139563509]
強化学習(RL)を用いたタスクパフォーマンスのKG構築を直接最適化する最初のフレームワークであるAutoGraph-R1を紹介する。
我々は2つの新しいタスク対応報酬関数を設計し、1つは知識担体としてのグラフと、もう1つは知識指標としてのグラフを設計する。
私たちの研究は、構築とアプリケーションの間のループを閉じることが可能であることを示している。
論文 参考訳（メタデータ） (2025-10-17T06:03:36Z) - Flash-Searcher: Fast and Effective Web Agents via DAG-Based Parallel Execution [48.7788770680643]
Flash-Searcherは、新しい並列エージェント推論フレームワークである。
複雑なタスクを明示的な依存関係でサブタスクに分解し、独立した推論パスの同時実行を可能にする。
BrowseCompでは67.7%の精度で、xbench-DeepSearchでは83%、エージェントの実行手順は現在のフレームワークに比べて最大35%削減されている。
論文 参考訳（メタデータ） (2025-09-29T17:39:30Z) - Graph-Augmented Large Language Model Agents: Current Progress and Future Prospects [57.53024716739594]
グラフ拡張LDMエージェント(GLA)は複雑なエージェントシステムの構造、連続性、調整を強化する。
本稿では,最近の進歩の概要をタイムリーかつ包括的に紹介し,今後の研究の方向性を明らかにする。
本論文は,GLAにおける今後の研究のロードマップとして機能し,GLAエージェントシステムにおけるグラフの役割のより深い理解を促進することを願っている。
論文 参考訳（メタデータ） (2025-07-29T00:27:12Z) - XGraphRAG: Interactive Visual Analysis for Graph-based Retrieval-Augmented Generation [16.068460356582648]
本研究では、RAG開発者がGraphRAGの重要なリコールを特定するのに役立つ視覚分析フレームワークを提案する。
我々は,ユーザ分析プロセスを容易にするために,インタラクティブな視覚化のセットを取り入れたプロトタイプシステムであるXGraphRAGを開発した。
論文 参考訳（メタデータ） (2025-06-10T09:14:30Z) - Follow the Flow: Fine-grained Flowchart Attribution with Neurosymbolic Agents [106.04963073116468]
フローチャートは意思決定プロセスを視覚化するための重要なツールです。
視覚言語モデルは、これらの図を分析する際に、存在しない接続や決定経路を幻覚させる。
LLM応答を参照してフローチャートを接地する特定の成分をトレースするフローチャートについて紹介する。
本稿では, グラフベースの推論により微細なホック帰属を行うニューロシンボリック・エージェントであるFlowPathAgentを提案する。
論文 参考訳（メタデータ） (2025-06-02T06:02:41Z) - RGL: A Graph-Centric, Modular Framework for Efficient Retrieval-Augmented Generation on Graphs [58.10503898336799]
完全なRAGパイプラインをシームレスに統合するモジュラーフレームワークであるRAG-on-Graphs Library(RGL)を紹介した。
RGLは、さまざまなグラフフォーマットをサポートし、必須コンポーネントの最適化実装を統合することで、重要な課題に対処する。
評価の結果,RGLはプロトタイピングプロセスの高速化だけでなく,グラフベースRAGシステムの性能や適用性の向上も図っている。
論文 参考訳（メタデータ） (2025-03-25T03:21:48Z)
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。