論文の概要: A Vocabulary for Multi-Agent Automated Research Systems
- arxiv url: http://arxiv.org/abs/2607.22682v1
- Date: Mon, 13 Jul 2026 01:28:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-02 22:55:39.023418
- Title: A Vocabulary for Multi-Agent Automated Research Systems
- Title（参考訳）: マルチエージェント自動研究システムのための語彙
- Authors: Bardiya Akhbari,
- Abstract要約: 1つ以上のエージェントから構築された自動研究システムのための語彙を導入し、それらの設計選択を記述し、比較しやすくする。
1) エージェントが誰であるか、2) システム内でどの操作が利用可能か、3) エージェントがどのように通信するか、4) エージェントがどのように通信するか、6) 次のアクションがどのように選択されるか、7) 実行の開始方法、8) アウトプットの評価方法。
- 参考スコア（独自算出の注目度）: 1.6921396880325779
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a vocabulary for automated research systems built from one or more agents to make their design choices easier to describe and compare. The vocabulary specifies 1) who the agents are, 2) what operations are available in the system, 3) who may invoke them, 4) how agents communicate, 5) what information is visible within and across runs, 6) how the next action is chosen, 7) how a run begins, and 8) how outputs are evaluated. A trajectory records one run from the input task to the returned artifact. Because agents, operations, and initialization may be stochastic, repeated runs on the same task induce a distribution over trajectories rather than a single behavior. Our vocabulary turns structural design questions, such as when agents should communicate, gain or lose a capability, or carry information across runs, into testable choices. It also makes the evaluator a component of the system, since reported gains depend on how closely the proxy score matches true quality. That separation also splits the vague complaint that these systems lack taste into two failures with different solutions. Generative taste is the rate at which a system proposes novel trajectories before any score is observed, and evaluative taste is the gap between the proxy score and the quality it should match. We instantiate the vocabulary on recent autoresearch systems to illustrate that it covers designs that differ widely in structure.
- Abstract（参考訳）: 1つ以上のエージェントから構築された自動研究システムのための語彙を導入し、それらの設計選択を記述し、比較しやすくする。
語彙は指定する
1) 代理人は,
2)システムで利用可能な操作は何か。
3)誰が呼び出すのか。
4) エージェントの通信方法。
5) 走行中及び走行中の情報。
6) 次のアクションの選択方法
7) 実行開始の仕方、及び
8) アウトプットの評価方法。
トラジェクトリは、入力タスクから返されたアーティファクトへの実行を記録します。
エージェント、操作、初期化は確率的であるため、同じタスク上で繰り返し実行されることは、単一の振る舞いではなく、軌道上の分布を誘導する。
私たちの語彙は、エージェントがいつコミュニケーションし、能力を獲得し、失うか、あるいは実行中に情報を伝達するかといった構造設計上の疑問を、テスト可能な選択へと変えます。
報告された利得は、プロキシスコアが真の品質にどの程度近いかに依存するためである。
この分離はまた、これらのシステムに味が欠けているという曖昧な不満を、異なるソリューションで2つの失敗に分割する。
生成的味覚とは、任意のスコアが観測される前にシステムが新しい軌跡を提示する速度であり、評価的味覚とは、プロキシスコアと適合すべき品質の間のギャップである。
最近の自動検索システムの語彙をインスタンス化し、構造的に大きく異なる設計をカバーしていることを示す。
関連論文リスト
- Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Agentic System as Compressor: Quantifying System Intelligence in Bits [3.6471867330194008]
大規模言語モデルは、独立した予測器からエージェントシステムへと変わりつつある。
我々は「圧縮は知性」に基づく分析的視点を採用する。
我々は,算術符号,シード符号,フォールバックを用いてこの尺度を運用し,5つの設定で評価する。
論文 参考訳（メタデータ） (2026-06-24T15:32:49Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - Automated Interpretability and Feature Discovery in Language Models with Agents [3.660409142843126]
本稿では,大規模言語モデルの内部機能の説明と発見の両方を自動化する,機械論的解釈性のための自律型マルチエージェントフレームワークを提案する。
エージェント駆動型経験ループは1ショットラベルよりもシャープで、よりファルサブルな説明が得られることを示す。
論文 参考訳（メタデータ） (2026-05-02T17:53:30Z) - Agent Mentor: Framing Agent Knowledge through Semantic Trajectory Analysis [4.365760422569902]
我々は、Agent Mentorオープンソースライブラリの一部として実装された分析パイプラインを紹介する。
システムの監視と漸進的な適応によって、他のエージェントの振る舞いを定義する。
パイプラインは、エージェントの知識に修正命令を体系的に注入することで、パフォーマンスを向上させる。
論文 参考訳（メタデータ） (2026-04-12T08:02:54Z) - Paper Circle: An Open-source Multi-agent Research Discovery and Analysis Framework [82.66443886385125]
ペーパーサークル(Paper Circle)は、学術文献の発見、評価、整理、理解に必要な労力を減らすために設計された発見・分析システムである。
1)複数のソースからのオフラインおよびオンライン検索を統合するディスカバリパイプライン,多エージェントスコアリング,多様性対応ランキング,構造化アウトプット,2)個々の論文を概念,メソッド,数値などの型付きノードで構造化された知識グラフに変換する分析パイプライン,の2つの補完パイプラインで構成されている。
論文 参考訳（メタデータ） (2026-04-07T17:59:58Z) - When Only the Final Text Survives: Implicit Execution Tracing for Multi-Agent Attribution [10.973058523304042]
IET(Implicit Execution Tracing)は、メタデータに依存しないフレームワークで、生成したテキストから直接トークンレベルの属性を作成できる。
生成中、エージェント固有のキー付き信号がトークン分布に埋め込まれ、秘密鍵でのみ検出可能な自己記述実行トレースに変換される。
検出時にエージェントハンドオーバポイントを特定し、インタラクショングラフを再構築する。
論文 参考訳（メタデータ） (2026-03-18T07:34:51Z) - UniConv: Unifying Retrieval and Response Generation for Large Language Models in Conversations [71.79210031338464]
会話における大規模言語モデルに対する高密度検索と応答生成の統一方法を示す。
目的の異なる共同微調整を行い、不整合リスクを低減するための2つのメカニズムを設計する。
5つの対話型検索データセットの評価は、我々の統合モデルがタスクを相互に改善し、既存のベースラインより優れていることを示す。
論文 参考訳（メタデータ） (2025-07-09T17:02:40Z) - On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
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、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。
不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。
本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
論文 参考訳（メタデータ） (2024-08-02T03:25:20Z) - Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。
我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
論文 参考訳（メタデータ） (2020-10-26T21:34:39Z)
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。