論文の概要: Coordinated Networking for On-Device Agent-Augmented Real-Time Communication

• arxiv url: http://arxiv.org/abs/2607.22854v1
• Date: Fri, 24 Jul 2026 18:52:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:14.907123
• Title: Coordinated Networking for On-Device Agent-Augmented Real-Time Communication
• Title（参考訳）: オンデバイスエージェント強化リアルタイム通信のための協調型ネットワーク
• Abstract要約: エージェント強化RTCアプリケーションにおいて,高精細映像品質と低エージェント応答遅延の両立を保証するためのフレームワークを設計する。 我々のプロトタイプは, HAFSがベースラインを上回り, 映像品質が1.5倍向上し, エージェント応答時間が31%短縮されたことを実証した。
• 参考スコア（独自算出の注目度）: 24.853091472152084
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI agents are enabling a new paradigm of agent-augmented real-time communication (RTC), where humans focus on high-level collaboration, while agents autonomously retrieve, analyze, and generate information in real time to support their interactions. These apps enable new experiences across various domains: for example, when corporate employees co-author a legal document, their agents can discuss and draft on their behalf, sparing them the burden of manually reviewing each other's work. As existing cloud-based agents suffer from privacy risks and unscalable server costs, on-device agent-augmented RTC offers a promising alternative. However, this on-device paradigm introduces a new networking challenge: contention between concurrent traffic flows generated by humans (for live video streaming) and agents (for sending context files for analysis). We design HFS, a framework to ensure both high live video quality and low agent response latency in agent-augmented RTC apps. We achieve the goal through an app-guided multi-flow transport approach, where a unified app-layer orchestrator jointly controls the sending rates of live video and agent context flows based on their heterogeneous app requirements. Our prototype built atop WebRTC and llama.cpp demonstrates that HAFS outperforms baselines, achieving 1.5x higher video quality while reducing agent response time by 31%.
• Abstract（参考訳）: AIエージェントは、人間がハイレベルなコラボレーションに集中するエージェント強化リアルタイムコミュニケーション(RTC)の新しいパラダイムを可能にし、エージェントは、対話をサポートするために、リアルタイムで情報を検索、分析、生成する。 例えば、企業従業員が法的文書を共著する場合、エージェントは彼らの代理として議論し、ドラフトし、互いに手作業でレビューする責任を負うことができる。 既存のクラウドベースのエージェントは、プライバシのリスクとサーバコストの削減に悩まされているため、デバイス上のエージェント強化RTCは、有望な代替手段を提供する。 しかし、このオンデバイスパラダイムは、人間(ライブビデオストリーミング用)とエージェント(分析用コンテキストファイル送信用)による同時トラフィックフローの競合という、新たなネットワーク課題をもたらす。 エージェント拡張RTCアプリの高精細ビデオ品質と低エージェント応答遅延を両立させるフレームワークであるHFSを設計する。 アプリケーション誘導型マルチフロートランスポートアプローチでは,アプリケーション層オーケストレータが異種アプリ要件に基づいて,ライブビデオとエージェントコンテキストの送信速度を協調的に制御する。 我々のプロトタイプはWebRTCとllama.cpp上に構築され、HAFSがベースラインを上回り、ビデオ品質が1.5倍向上し、エージェント応答時間が31%短縮されたことを実証しています。

関連論文リスト

• Speculative Interaction Agents: Building Real-Time Agents with Asynchronous I/O and Speculative Tool Calling [64.40340291543971]
  我々は,小さなエッジスケールモデルとのリアルタイムインタラクションを実現するための投機的インタラクションエージェントを提案する。 また、ストリーミング入力と非同期応答を処理するためにモデルを適応させるクロックベースのトレーニング手法を提案する。 このアプローチは、Qwen2.5-3B-InstructとLlama-3.2-3B-Instructモデルを複数のツール呼び出しベンチマークで1.6-2.2$times$ Speedupを提供する。
  論文  参考訳（メタデータ） (2026-05-13T11:20:52Z)
• AgentBay: A Hybrid Interaction Sandbox for Seamless Human-AI Intervention in Agentic Systems [29.451397580654316]
  我々は,ハイブリッドインタラクションのためにゼロから設計された新しいサービスであるAgentBayを紹介する。 AgentBayはセキュアで独立した実行環境を提供する。Windows、Linux、Android、Webブラウザ、インタープリタ。 我々の評価は、セキュリティ、パフォーマンス、タスク完了率の強い結果を示す。
  論文  参考訳（メタデータ） (2025-12-04T01:31:00Z)
• AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
  tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。 エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
  論文  参考訳（メタデータ） (2025-10-06T23:20:49Z)
• AgentRAN: An Agentic AI Architecture for Autonomous Control of Open 6G Networks [14.358601770321235]
  我々は、自然言語(NL)の意図に基づいて分散AIエージェントのファブリックを生成し、オーケストレーションする、AIネイティブなオープンRAN対応フレームワークであるAgenRANを紹介する。 明示的なプログラミングを必要とする従来のアプローチとは異なり、AgentRANのLLMエージェントは自然言語の意図を解釈し、構造化された会話を通じて戦略を交渉し、ネットワーク全体の制御ループを編成する。 AI-RAN Factoryは、エージェントのインタラクションを観察し、改善された制御アルゴリズムを埋め込んだ新しいエージェントを継続的に生成する自動パイプラインである。
  論文  参考訳（メタデータ） (2025-08-25T08:18:10Z)
• AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
  本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。 提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
  論文  参考訳（メタデータ） (2025-06-21T18:34:43Z)
• Get Experience from Practice: LLM Agents with Record & Replay [16.179801770737892]
  本稿では,AIエージェントフレームワークに古典的なレコード再生機構を導入する,Agent Record & Replay(Agent Record & Replay)と呼ばれる新しいパラダイムを提案する。 本稿では,AgentRRにおけるマルチレベル体験抽象化手法とチェック関数機構について述べる。 さらに,AgentRRの複数のアプリケーションモードについて検討し,ユーザ記録タスクのデモ,大規模モデルコラボレーション,プライバシ対応エージェントの実行などを検討した。
  論文  参考訳（メタデータ） (2025-05-23T10:33:14Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
  AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。 豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
  論文  参考訳（メタデータ） (2024-02-21T04:11:28Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)

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。