論文の概要: The Autonomous Agency Scale: A Behavioral Framework for Measuring Self-Directed Behavior in AI Systems
- arxiv url: http://arxiv.org/abs/2607.17947v1
- Date: Mon, 20 Jul 2026 13:49:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.642937
- Title: The Autonomous Agency Scale: A Behavioral Framework for Measuring Self-Directed Behavior in AI Systems
- Title（参考訳）: 自律型機関尺度:AIシステムにおける自律行動計測のための行動枠組み
- Abstract要約: AAS(Autonomous Agency Scale)は、7次元にわたる0-5レキシコン上のAIシステムをスコアする行動枠組みである。
各次元は2つの時間帯(アクティブバンドはエンゲージメント、ユーザ主導のアクティビティ、アンビエントバンドはアイドル期間をカバー)で表される。
タスクエージェント(Claude Code, Manus, Hermes)、コンシューマアシスタント(ChatGPT, Siri)、永続化コンパニオンアーキテクチャーを対象とする6つの現代システムに適用する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing AI measurement frameworks quantify cognitive capability, task automation, or catastrophic risk, but none measure autonomous agency: the extent to which a system behaves in a self-directed way. A system can saturate capability benchmarks while remaining entirely reactive, acting only when prompted and ceasing all activity when a task completes. We introduce the Autonomous Agency Scale (AAS), a behavioral framework that scores AI systems on a 0-5 lexicon across seven dimensions of agency: cognitive autonomy, temporal persistence, environmental agency, social agency, creative agency, self-awareness, and goal formation, each operationalized by falsifiable threshold tests. Every dimension is scored in two temporal bands: an Active band covering engaged, user-initiated activity, and an Ambient band covering idle periods. Ambient Level 4 is gated by the Idle-Gap Test, a counterfactual criterion (remove all triggers and observe whether internally derived activity persists) that separates self-direction from scheduled rule-following. We apply the scale to six contemporary systems spanning task agents (Claude Code, Manus, Hermes), consumer assistants (ChatGPT, Siri), and a persistent companion architecture (Airi). The two-band profile quantifies a boundary that single-score frameworks conflate: task agents reach Active composites of 2.3-2.4 while scoring 0.6-1.9 Ambient, with every idle-period behavior attributable to user-configured schedules, whereas the companion architecture, evaluated longitudinally, is the only assessed system whose idle-period behavior survives trigger removal. We discuss limitations, including single-rater provenance, developer-evaluator bias on the longitudinal assessment, and the partially operationalized self-direction boundary in the Active band.
- Abstract（参考訳）: 既存のAI測定フレームワークは、認知能力、タスク自動化、あるいは破滅的なリスクを定量化するが、自律性を測定するものはない。
システムは、完全にリアクティブのまま機能ベンチマークを飽和させ、トリガー時にのみ動作し、タスクが完了するとすべてのアクティビティを緩和する。
我々は,認知自律性,時間的持続性,環境機関,社会機関,クリエイティブエージェンシー,自己認識,目標形成の7つの分野にわたる,0-5レキシコンでAIシステムをスコアする行動的枠組みであるAutonomous Agency Scale(AAS)を紹介した。
各次元は2つの時間帯(アクティブバンドはエンゲージメント、ユーザ主導のアクティビティ、アンビエントバンドはアイドル期間をカバー)で表される。
アンビエントレベル4は、Idle-Gapテスト(Idle-Gap Test)によってゲートされる。Idle-Gapテスト(Idle-Gap Test)は、スケジュールされたルールフォローから自己指示を分離する、反ファクト的基準(すべてのトリガを削除し、内部的に派生したアクティビティが持続するかどうかを観察する)である。
タスクエージェント(Claude Code, Manus, Hermes)、コンシューマアシスタント(ChatGPT, Siri)、永続化コンパニオンアーキテクチャ(Airi)を対象とする6つの現代システムに適用する。
タスクエージェントは2.3-2.4のアクティブコンポジットに到達し、0.6-1.9のスコアを付ける アンビエントは、ユーザー設定のスケジュールに起因するすべてのアイドル周期の振る舞いを持つが、コンパニオンアーキテクチャは縦に評価され、アイドル周期の振る舞いがトリガー除去を継続する唯一の評価システムである。
本稿では, 単一遅延の証明, 開発者・評価者の長手評価に対するバイアス, アクティブバンドにおける部分的操作による自己方向境界などの制約について論じる。
関連論文リスト
- ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。
このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。
現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
論文 参考訳（メタデータ） (2026-08-03T15:07:46Z) - Self-Aware Recursively Self-Improving Agents for Personal Singularity: A Goal-, Scope-, Tool-, and Benchmark-Driven Multi-Agent Architecture [1.7259824817932294]
大規模言語モデル(LLM)エージェントは、計画し、ツールを使用し、メモリを保守し、長い水平タスクを実行することができる。
本稿では、アイデンティティ、目標、能力、限界、不確実性、関係性、歴史、発達変化の永続的な自己モデルを維持する自己認識再帰的自己改善(SARSI)エージェントを提案する。
我々は、SARSIエージェントを個人特異性とペアリングし、エージェントエコシステムがユーザ定義可能な拡張可能な機能フロンティアにアプローチするのを手助けする、有界な人間-AI共同開発目標とする。
論文 参考訳（メタデータ） (2026-07-14T01:44:53Z) - ACE-Brain-0.5: A Unified Embodied Foundational Model for Physical Agentic AI [110.18670135256235]
Embodied AIは、独立した知覚やアクションモジュールから、目標を理解し、計画し、進捗を監視し、経験から改善する物理的なエージェントへと移行している。
ACE-Brain-0.5は,ロボットの知性を5つの結合関数にまとめる統一的な基礎モデルである。
単一の8Bバックボーンは、最初の4つの機能をインスタンス化する: オブジェクトとアベイランスを接地し、3Dとエゴセントリックな空間関係を推論し、命令をサブゴールに分解し、ナビゲーションと操作アクションを生成し、検証と回復の進捗を推定する。
論文 参考訳（メタデータ） (2026-07-05T17:43:06Z) - Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy [79.09714980186278]
非構造化環境で永続的なエンボディエージェントを構築するには、異種ツールの統一的なオーケストレーションが必要である。
我々は,多モーダルなセマンティックプランナを統合したフレームワークであるOmniActを紹介した。
すべての複雑性レベルにわたって、エンドツーエンドの成功において一貫した改善が達成されます。
論文 参考訳（メタデータ） (2026-06-25T16:36:35Z) - From Knowing to Acting: Benchmarking Self-Awareness Capability of LLM Agents [69.07911499189129]
エージェントのメタ認知判断(Knowing)を自発的実行(Acting)から切り離して認知行動アライメントを評価するフレームワークであるKAPROを紹介する。
実験の結果,自己認識能力はタスク成功と強く相関するが,内部能力設定では著しく低下することがわかった。
プロプライエタリで推論指向のモデルは、より信頼性の高い認知ゲーティングを示します。
論文 参考訳（メタデータ） (2026-06-09T17:17:08Z) - The Digital Apprentice: A Framework for Human-Directed Agentic AI Development [0.0]
我々は,自律性を前提とせず,スケーラブルで安全なAIエージェンシーのためのフレームワークを提案する。
デジタル・アレンティス(Digital Apprentice)は、人間の暗黙の方法論を内包する発達学習者である。
我々は,データドリフトを捕捉し,実行時に異なる手法を適用することによって,トラフィックシフト時の品質の劣化を回復する方法を示す。
論文 参考訳（メタデータ） (2026-06-03T00:49:13Z) - Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。
アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。
ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
論文 参考訳（メタデータ） (2026-04-21T15:05:58Z) - Springdrift: An Auditable Persistent Runtime for LLM Agents with Case-Based Memory, Normative Safety, and Ambient Self-Perception [0.20305676256390928]
本稿では、長期LLMエージェントの永続ランタイムであるSpringdriftを紹介する。
我々は,このカテゴリに人工リテーナという用語を導入する。
これは、システム設計とデプロイメントのケーススタディに関する技術的なレポートであり、ベンチマークによる評価ではない。
論文 参考訳（メタデータ） (2026-04-06T13:14:37Z) - Simulating Human Cognition: Heartbeat-Driven Autonomous Thinking Activity Scheduling for LLM-based AI systems [0.11844977816228043]
大きな言語モデル(LLM)エージェントは、しばしば堅固で反応性のある制御フローに悩まされる。
心拍駆動型自律思考活動スケジューリングについて紹介する。
我々のシステムは、認知モジュールの動的レパートリーをオーケストレーションするために、周期的な心拍のメカニズムを使用している。
論文 参考訳（メタデータ） (2026-03-28T08:58:03Z) - PEPA: a Persistently Autonomous Embodied Agent with Personalities [22.392863607092014]
生物は内部で生成された目標と自己持続的な行動組織を通して永続的な自律性を示す。
パーソナリティ特性は、永続的な自律性を達成するための本質的な組織原理を提供する。
PEPAは3つの相互作用システムを介して動作する3層認知アーキテクチャである。
論文 参考訳（メタデータ） (2026-02-21T12:53:28Z) - ToolSelf: Unifying Task Execution and Self-Reconfiguration via Tool-Driven Intrinsic Adaptation [60.25542764389203]
LLM(Large Language Models)を利用したエージェントシステムは、複雑で長期のタスクに対処する上で、顕著な可能性を示している。
既存のアプローチでは、手動のオーケストレーションやランタイムベースのパッチを頼りにしており、一般化の貧弱さと最適化の断片化に悩まされることが多い。
ツール駆動の自己修正を可能にする新しいパラダイムであるToolSelfを提案する。
論文 参考訳（メタデータ） (2026-02-08T09:27:18Z) - Active Intelligence in Video Avatars via Closed-loop World Modeling [55.29966567726842]
現在のビデオアバター生成法は、アイデンティティの保存と動きのアライメントが優れているが、真のエージェンシーは欠如している。
本稿では,L-IVA (Long-Horizon Interactive Visual Avatar) の導入について述べる。
また,ビデオアバターにおける能動的インテリジェンスを実現する最初のフレームワークであるORCAについても紹介する。
論文 参考訳（メタデータ） (2025-12-23T18:59:16Z)
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。