論文の概要: AI Tool Discovery at Scale: All You Need is DNS

• arxiv url: http://arxiv.org/abs/2607.18242v1
• Date: Sun, 19 Apr 2026 04:31:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 00:46:13.086311
• Title: AI Tool Discovery at Scale: All You Need is DNS
• Title（参考訳）: AIツールの大規模発見 - 必要なものはDNSのみ
• Abstract要約: ToolDNSは、インターネットで最もレジリエントな基盤であるDomain Name Systemにセマンティックツール発見を適合させる急進的なフレームワークである。 機能的意図と組織的信頼を階層に組み込むことで、ToolDNSは高価なセマンティック検索を軽量なO(log N)名前解決に変換する。 私たちの研究は、スケーラブルなAIインターオペラビリティはもはや必要ではなく、私たちの足下にあるインフラをよりスマートに活用することを示しています。
• 参考スコア（独自算出の注目度）: 13.956883631679121
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The coming era of autonomous AI agents demands a discovery mechanism capable of navigating millions of tools, yet existing solutions buckle under O(N) complexity and centralized governance. Instead of building another fragile overlay, we propose ToolDNS, a radical framework that retrofits semantic tool discovery onto the Internet's most resilient substrate: the Domain Name System (DNS). By embedding functional intent and organizational trust into a hierarchical namespace, ToolDNS transforms an expensive semantic search into a series of lightweight, O(log N) name resolutions. We introduce three protocol-compliant enhancements to enable decentralized governance and semantic pruning: partially unfolded names, EDNS0 intent payloads, and logical subdomains. To rigorously evaluate this approach across the fragmented tooling landscape, we construct and release a large-scale heterogeneous benchmark comprising 33,688 real-world tools spanning MCP, A2A, RESTful, and Skill protocols. On this dataset, ToolDNS slashes the per-query search space by 95.26% while matching state-of-the-art retrieval accuracy. Furthermore, its UDP-native design reduces discovery latency by orders of magnitude compared to HTTP-based registries. Our work demonstrates that scalable AI interoperability requires not more middleware, but a smarter utilization of the infrastructure already beneath our feet.
• Abstract（参考訳）: 自律AIエージェントの次の時代は、数百万のツールをナビゲートできる発見メカニズムを必要とするが、既存のソリューションはO(N)複雑性と集中管理の下で崩壊する。 我々は、別の脆弱なオーバーレイを構築する代わりに、インターネットで最も回復力のある基盤であるDNS(Domain Name System)にセマンティックツール発見を適合させる急進的なフレームワークであるToolDNSを提案する。 機能的意図と組織的信頼を階層的な名前空間に組み込むことで、ToolDNSは高価なセマンティック検索を軽量なO(log N)名前解決に変換する。 分散ガバナンスとセマンティックプルーニングを可能にするために,プロトコルに準拠した3つの拡張(部分的に展開された名前,EDNS0インテントペイロード,論理サブドメイン)を導入する。 MCP、A2A、RESTful、Skillプロトコルにまたがる33,688の現実世界のツールからなる大規模な異種ベンチマークを構築し、リリースする。 このデータセットでは、ToolDNSはクエリごとの検索スペースを95.26%削減し、最先端の検索精度と一致する。 さらに、UDPネイティブな設計は、HTTPベースのレジストリと比較して、発見のレイテンシを桁違いに削減する。 私たちの研究は、スケーラブルなAIインターオペラビリティはミドルウェアを必要とせず、私たちの足下にあるインフラストラクチャをよりスマートに活用することを示しています。

関連論文リスト

• SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
  SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。 SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。 SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
  論文  参考訳（メタデータ） (2026-07-16T17:51:23Z)
• DNS-GT: A Graph-based Transformer Approach to Learn Embeddings of Domain Names from DNS Queries [6.172641282378335]
  DNS-GTは、DNSクエリのシーケンスからドメイン名への埋め込みを学ぶトランスフォーマーベースの新しいモデルである。 実世界のDNSデータを用いた実験では,提案手法が効果的なドメイン名表現を学習できることが示されている。
  論文  参考訳（メタデータ） (2026-03-11T18:14:07Z)
• Nested Browser-Use Learning for Agentic Information Seeking [60.775556172513014]
  情報検索(IS)エージェントは広範囲にわたる検索タスクで高いパフォーマンスを達成しているが、ツールの使用はAPIレベルのスニペット検索やURLベースのページフェッチに限られている。 我々はNested Browser-Use Learning (NestBrowse)を提案する。NestBrowseは、ネストされた構造を通してページ探索からインタラクション制御を分離する最小かつ完全なブラウザアクションフレームワークである。
  論文  参考訳（メタデータ） (2025-12-29T17:59:14Z)
• WALT: Web Agents that Learn Tools [66.73502484310121]
  WALTは、Webサイト機能を再利用不能なツールにリバースエンジニアリングするフレームワークである。 WALTはアドホックなスキルを仮説化するのではなく、既にウェブサイトに設計されている自動化の堅牢な実装を公開している。 VisualWebArenaとWebArenaでは、WALTはより少ないステップとLLM依存の推論でより高い成功を達成している。
  論文  参考訳（メタデータ） (2025-10-01T23:41:47Z)
• Beyond DNS: Unlocking the Internet of AI Agents via the NANDA Index and Verified AgentFacts [12.955380032776068]
  我々は,AIエージェントのインターネットにおける発見可能性,識別可能性,認証のための手段として,NANDAインデックスアーキテクチャについて述べる。 最小限のリーンインデックスが動的で暗号的に検証可能なAgenFactsに解決するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-07-18T13:40:46Z)
• Upgrade or Switch: Do We Need a Next-Gen Trusted Architecture for the Internet of AI Agents? [12.116270471408216]
  新興のAIエージェントは、人間のスケールでリアクティブなインタラクション用に設計された既存のWebインフラストラクチャに挑戦する。 本稿では、既存のインフラをアップグレードするか、自律エージェントのための汎用インデックスアーキテクチャを実装するかを分析する。
  論文  参考訳（メタデータ） (2025-06-13T17:55:38Z)
• AgentDNS: A Root Domain Naming System for LLM Agents [7.480444282640687]
  AgentDNSはLarge Language Model (LLM)エージェントのためのルートドメイン命名およびサービスディスカバリシステムである。 従来のDNSの原則にインスパイアされたAgentDNSは、サービス登録、セマンティックサービスディスカバリ、セキュアな呼び出し、統一請求のための構造化されたメカニズムを導入している。
  論文  参考訳（メタデータ） (2025-05-28T13:56:22Z)
• ZeroLM: Data-Free Transformer Architecture Search for Language Models [54.83882149157548]
  現在の自動プロキシ発見アプローチは、検索時間の拡張、データの過度なオーバーフィットへの感受性、構造的な複雑さに悩まされている。 本稿では,効率的な重み統計によるモデルキャパシティの定量化を目的とした,新しいゼロコストプロキシ手法を提案する。 本評価は,FlexiBERT ベンチマークで Spearman's rho 0.76 と Kendall's tau 0.53 を達成し,このアプローチの優位性を示すものである。
  論文  参考訳（メタデータ） (2025-03-24T13:11:22Z)
• A Matrix Factorization Based Network Embedding Method for DNS Analysis [2.1842847029116443]
  受動的ネットワークトラフィックログにDNSエンティティを特徴付けるネットワーク埋め込みの可能性について検討する。 本稿では,MF-DNS-E (underlineMatrix-underlineFactorization-based UnderlineDNS underlineEmbedding)法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T01:18:57Z)
• OTOv3: Automatic Architecture-Agnostic Neural Network Training and Compression from Structured Pruning to Erasing Operators [57.145175475579315]
  このトピックは、構造化プルーニングからニューラルアーキテクチャサーチまで、さまざまなテクニックにまたがっている。 第3世代のOTOv3(Noth-Train-Once)を導入する。 我々は,構造化プルーニングとニューラルアーキテクチャ探索におけるOTOv3の有効性を実証した。
  論文  参考訳（メタデータ） (2023-12-15T00:22:55Z)
• Neural network relief: a pruning algorithm based on neural activity [47.57448823030151]
  重要でない接続を非活性化する簡易な重要スコア計量を提案する。 MNIST上でのLeNetアーキテクチャの性能に匹敵する性能を実現する。 このアルゴリズムは、現在のハードウェアとソフトウェアの実装を考えるとき、FLOPを最小化するように設計されていない。
  論文  参考訳（メタデータ） (2021-09-22T15:33:49Z)
• Optimized Random Forest Model for Botnet Detection Based on DNS Queries [8.641714871787595]
  ドメイン名システム(DNS)プロトコルにはいくつかのセキュリティ脆弱性がある。 DNSベースのボットネット攻撃を検出するための有望なソリューションのひとつは、機械学習(ML)ベースのソリューションを採用することだ。 本稿では,対応するDNSクエリに基づいてボットネットを検出するためのMLベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-16T16:34:11Z)
• PatDNN: Achieving Real-Time DNN Execution on Mobile Devices with Pattern-based Weight Pruning [57.20262984116752]
  粗粒構造の内部に新しい次元、きめ細かなプルーニングパターンを導入し、これまで知られていなかった設計空間の点を明らかにした。 きめ細かいプルーニングパターンによって高い精度が実現されているため、コンパイラを使ってハードウェア効率を向上し、保証することがユニークな洞察である。
  論文  参考訳（メタデータ） (2020-01-01T04:52:07Z)

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。