論文の概要: Agents in the Wild: Where Research Meets Deployment
- arxiv url: http://arxiv.org/abs/2607.19336v1
- Date: Tue, 21 Jul 2026 17:55:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-22 19:05:05.524289
- Title: Agents in the Wild: Where Research Meets Deployment
- Title（参考訳）: エージェント・イン・ザ・ワイルド - 研究の展開
- Abstract要約: エージェントシステム 大規模言語モデル(LLM)に基づく、ツールの推論、計画、動作、調整が可能なアーキテクチャは、研究プロトタイプからソフトウェア工学、科学的発見、財務といった分野にわたる生産規模の展開へと急速に移行しています。
このチュートリアルは、研究者と実践者を集めて、推論と計画、マルチエージェントの調整、評価の進歩を探求し、デプロイメントエクスペリエンスから生じるオープンな課題を強調します。
- 参考スコア（独自算出の注目度）: 11.36937211823131
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic systems large language model (LLM) based architectures capable of reasoning, planning, acting, and coordinating with tools and other agents are rapidly transitioning from research prototypes to production scale deployments across domains such as software engineering, scientific discovery, and finance. While academic work has emphasized benchmarks and algorithmic innovation, deployment raises new challenges around robustness, safety, and reliability. This tutorial brings together researchers and practitioners to explore advances in reasoning and planning, multi agent coordination, and evaluation, highlighting open challenges arising from deployment experience. Through applied case studies in pharmaceutical discovery and financial systems, we analyze common design patterns that make agentic systems successful, and discuss practical mitigation strategies for failure modes, such as verification pipelines, fallback mechanisms, and human in the loop supervision. Attendees will gain a comprehensive view of the field along with concrete design patterns, evaluation checklists, and templates for safe and reliable deployment across industries.
- Abstract（参考訳）: エージェントシステム 大規模言語モデル(LLM)に基づくアーキテクチャは、ツールや他のエージェントとの推論、計画、行動、調整が可能なアーキテクチャであり、研究のプロトタイプから、ソフトウェア工学、科学的発見、財務といった分野にまたがるプロダクションスケールのデプロイメントへと急速に移行している。
学術的な研究がベンチマークとアルゴリズムのイノベーションを強調している一方で、デプロイメントは堅牢性、安全性、信頼性に関する新たな課題を提起している。
このチュートリアルは、研究者と実践者を集めて、推論と計画、マルチエージェントの調整、評価の進歩を探求し、デプロイメントエクスペリエンスから生じるオープンな課題を強調します。
医薬品発見および金融システムにおける応用事例研究を通じて,エージェントシステムを成功させる共通設計パターンを分析し,検証パイプライン,フォールバック機構,ループ監視など,障害モードの実践的緩和戦略について議論する。
Atendeesは、具体的なデザインパターン、評価チェックリスト、業界全体の安全で信頼性の高いデプロイメントのためのテンプレートとともに、この分野の包括的なビューを得る。
関連論文リスト
- Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。
この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。
各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
論文 参考訳（メタデータ） (2026-05-17T10:26:37Z) - Architectural Design Decisions in AI Agent Harnesses [1.8222732878503212]
本稿では,70件の公開エージェントシステムプロジェクトについて,プロトコル誘導型,ソースベースによる実証研究を行った。
5つの設計次元(サブエージェントアーキテクチャ、コンテキスト管理、ツールシステム、安全機構、オーケストレーション)を特定し、コーパスがファイルパーシスタント、ハイブリッド、階層的コンテキスト戦略を好んでいることを確認する。
軽量ツール,バランスのとれたCLIフレームワーク,マルチエージェントオーケストレータ,エンタープライズシステム,シナリオ仮想化プロジェクトなど,5つの繰り返し発生するアーキテクチャパターンを合成する。
論文 参考訳（メタデータ） (2026-04-20T10:39:34Z) - Safety in Embodied AI: A Survey of Risks, Attacks, and Defenses [168.50301366360344]
Embodied AI (Embodied AI) は、知覚、認知、計画、相互作用を、安全クリティカルな環境で機能するエージェントに統合する。
デジタルAIシステムとは異なり、エンボディエージェントは不確実な検知、不完全な知識、動的な人間とロボットの相互作用の下で行動しなければならない。
この調査は、エンボディされたAIにおける安全性研究の包括的なレビューを提供し、完全なエンボディされたパイプラインにわたる攻撃と防御を調査している。
論文 参考訳（メタデータ） (2026-03-28T13:21:44Z) - Agentic Reasoning for Large Language Models [122.81018455095999]
推論は推論、問題解決、意思決定の基礎となる基本的な認知プロセスである。
大規模言語モデル(LLM)は、クローズドワールド設定では強力な推論能力を示すが、オープンエンドおよび動的環境では苦労する。
エージェント推論は、連続的な相互作用を計画し、行動し、学習する自律的なエージェントとしてLLMを解釈することでパラダイムシフトを示す。
論文 参考訳（メタデータ） (2026-01-18T18:58:23Z) - Empowering Real-World: A Survey on the Technology, Practice, and Evaluation of LLM-driven Industry Agents [63.03252293761656]
本稿では,大規模言語モデル(LLM)に基づく産業エージェントの技術,応用,評価手法を体系的にレビューする。
エージェント能力の進歩を支える3つの重要な技術柱として,記憶,計画,ツール利用について検討する。
本稿では,デジタル工学,科学的発見,具体的インテリジェンス,協調ビジネス実行,複雑なシステムシミュレーションといった実世界の領域における産業エージェントの応用の概要について述べる。
論文 参考訳（メタデータ） (2025-10-20T12:46:55Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - LLM-Based Data Science Agents: A Survey of Capabilities, Challenges, and Future Directions [46.70253280146778]
この調査は、データサイエンスエージェントのライフサイクルに整合した最初の包括的分類である。
エンド・ツー・エンドのデータサイエンス・プロセスの6段階に45のシステムを解析する。
それぞれのステージにおける強みと制限を強調し、新たなベンチマークと評価プラクティスをレビューします。
論文 参考訳（メタデータ） (2025-10-05T04:04:27Z) - AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities [8.086360127362815]
大規模言語モデル(LLM)ベースのコーディングエージェントは、コンパイラ、デバッガ、バージョン管理システムなどのツールを自律的に計画し、実行し、操作する。
従来のコード生成とは異なり、これらのエージェントは目標を分解し、多段階プロセスをコーディネートし、フィードバックに基づいて適応し、ソフトウェア開発のプラクティスを再構築する。
論文 参考訳（メタデータ） (2025-08-15T00:14:31Z) - Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。
本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
論文 参考訳（メタデータ） (2025-06-22T16:52:48Z) - Advancing Multi-Agent Systems Through Model Context Protocol: Architecture, Implementation, and Applications [0.0]
本稿では,モデルコンテキストプロトコル(MCP)によるマルチエージェントシステムの進化のための包括的フレームワークを提案する。
我々は、統合理論基盤、高度なコンテキスト管理技術、スケーラブルな調整パターンを開発することで、AIエージェントアーキテクチャに関するこれまでの研究を拡張した。
私たちは、現在の制限、新たな研究機会、そして業界全体にわたる潜在的な変革的応用を特定します。
論文 参考訳（メタデータ） (2025-04-26T03:43:03Z) - Large Language Model Agent: A Survey on Methodology, Applications and Challenges [88.3032929492409]
大きな言語モデル(LLM)エージェントは、目標駆動の振る舞いと動的適応能力を持ち、人工知能への重要な経路を示す可能性がある。
本調査は, LLMエージェントシステムを方法論中心の分類法により体系的に分解する。
私たちの作業は、エージェントの構築方法、コラボレーション方法、時間の経過とともにどのように進化するか、という、統一されたアーキテクチャの視点を提供します。
論文 参考訳（メタデータ） (2025-03-27T12:50:17Z) - AI Agents: Evolution, Architecture, and Real-World Applications [0.0]
本稿は、AIエージェントの進化、アーキテクチャ、実践的応用を、AIエージェントの初期から、認識、計画、ツール使用のための専用のモジュールを備えた大規模言語モデルを統合した近代的なシステムへ移行する。
論文 参考訳（メタデータ） (2025-03-16T23:07:48Z)
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。