論文の概要: VISA: A Structured Description Protocol for Agent-Based Simulation Models Towards Machine Reproducibility
- arxiv url: http://arxiv.org/abs/2607.28027v1
- Date: Thu, 30 Jul 2026 11:14:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.521548
- Title: VISA: A Structured Description Protocol for Agent-Based Simulation Models Towards Machine Reproducibility
- Title（参考訳）: VISA:機械の再現性に向けたエージェントベースシミュレーションモデルのための構造化記述プロトコル
- Abstract要約: エージェントベースモデル(ABM)は、それらの振る舞いが散文の物語、プラットフォーム固有のコード、暗黙の仮定に分散しているため、再現が難しい。
本稿では,8つの相互接続テーブルのモデルを指定する,構造化されたシンボルベースの記述プロトコルであるVISAを提案する。
- 参考スコア（独自算出の注目度）: 0.7741539072749043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent-based models (ABMs) are difficult to reproduce: their behavior is spread across prose narratives, platform-specific code, and implicit assumptions, so that two readers routinely reconstruct different models from the same documentation. We present VISA, a structured, symbol-based description protocol that specifies a model in eight interconnected tables---four at the agent level (Agent, Variable, Sensing, Internal Function) and four at the model level (Associated Data, Input/Output, Schedule, Validation)---under the principle of minimality with completeness. VISA makes a model machine-parseable and unambiguous via two artifacts: nineteen executable consistency rules that turn model validity into a checkable property, and three reusable LLM-executable skills (authoring, checking, and code generation) that operationalize the full author--check--code--reproduce loop. We validate the protocol on three external, independently authored ABMs spanning three platforms: we reproduce two cross-language (NetLogo to Python) directly from their VISA specifications, and we capture a third, an industrial AnyLogic model, in eight tables (passing all nineteen rules) while honestly demarcating where reproduction is blocked by a proprietary movement library and unavailable data---itself a transparency contribution. VISA moves the reproduction barrier from the model, where it is invisible, to a named, localized dependency, where it is actionable.
- Abstract（参考訳）: エージェントベースのモデル(ABM)は再現が難しい: 彼らの振る舞いは、散文の物語、プラットフォーム固有のコード、暗黙の仮定にまたがる。
エージェントレベルで4つ、モデルレベルで4つ(Associated Data, Input/Output, Schedule, Validation)、完全性で最小限の原理を基礎として、8つの相互接続テーブルでモデルを指定する構造化されたシンボルベースの記述プロトコルであるVISAを提案する。
VISAは、モデルの妥当性をチェック可能なプロパティに変換する19の実行可能な一貫性ルールと、完全な作者-チェック-コード-リプロデュースループを運用する3つの再利用可能なLCM実行スキル(オーサリング、チェック、コード生成)という2つのアーティファクトを通じて、マシンパース可能で曖昧なモデルを作成する。
我々は、VISA仕様から直接2つのクロス言語(NetLogoからPython)を再現し、第3の産業用AnyLogicモデルを8つのテーブル(19のルールをすべてパスする)でキャプチャし、プロプライエタリなムーブメントライブラリによって複製がブロックされ、利用できないデータによって複製がブロックされるところを、正直に分離する。
VISAは、複製障壁を、目に見えないモデルから、名前のついた局所的な依存性に移動させる。
関連論文リスト
- Model-Driven Discipline for Multi-Agent LLMs: Requirement-to-Verification Generation of Traceable System Models [62.62160094849002]
RADIANTは、MDEとMulti-Agent Large Language Modelを組み合わせたエンジニアリング方法論である。
工学的なフェーズにまたがる異種モデルを自動的に生成する。
正確かつ自動的な変更インパクト分析を提供する。
論文 参考訳（メタデータ） (2026-07-18T08:50:55Z) - PRIMA: Operational Patterns for Resilient Multi-Agent Research with Verifiable Identity and Convergent Feedback [0.0]
PRIMAは、複数時間にわたる協調型マルチエージェント研究システムとして運用されている。
主なコントリビューションは、生存可能な障害モードのための3つの運用パターンである。
グラフ同型ケーススタディは、生成されたアーティファクトのアーキテクチャ的クレームを根拠にしている。
論文 参考訳（メタデータ） (2026-05-23T23:27:46Z) - ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。
ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。
ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
論文 参考訳（メタデータ） (2026-05-13T01:04:21Z) - IDP Accelerator: Agentic Document Intelligence from Extraction to Compliance Validation [3.539467892338473]
IDP(Intelligent Document Processing) Acceleratorは、エンドツーエンドのドキュメントインテリジェンスのためのエージェントAIを実現するフレームワークである。
インタラクティブなデモでは、ユーザはドキュメントのパケットをアップロードし、分類結果を視覚化し、抽出したデータを探索することができる。
論文 参考訳（メタデータ） (2026-02-26T20:20:38Z) - Can Large Language Models Implement Agent-Based Models? An ODD-based Replication Study [0.6821122205224714]
大規模言語モデル(LLM)は、テキスト記述から非自明な実行可能なコードを合成できるようになった。
LLMは、複製、検証、検証をサポートする方法で、標準化された仕様からエージェントベースのモデルを確実に実装できますか?
制御されたODD-to-code翻訳タスクにおいて17の現代LLMを評価する。
論文 参考訳（メタデータ） (2026-02-08T19:56:20Z) - TRivia: Self-supervised Fine-tuning of Vision-Language Models for Table Recognition [54.85932472676512]
テーブル認識(TR)は、テーブルイメージをHTMLやマークダウンなどの半構造化表現に変換することを目的としている。
我々は、事前学習された視覚言語モデルで、ラベルのないテーブルイメージから直接TRを学習できる自己教師型微調整手法であるTRiviaを紹介する。
我々は,既存のシステムを超越した,オープンソースでコンパクトで最先端のTRモデルであるTRivia-3Bを提案する。
論文 参考訳（メタデータ） (2025-12-01T03:49:00Z) - Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。
本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
論文 参考訳（メタデータ） (2025-10-02T06:25:10Z) - FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction [49.510163437116645]
クリックスルーレート(CTR)予測は、パーソナライズされたオンラインサービスにおいてコア機能モジュールとして機能する。
CTR予測のための従来のIDベースのモデルは、表形式の1ホットエンコードされたID特徴を入力として取る。
事前訓練された言語モデル(PLM)は、テキストのモダリティの文を入力として取る別のパラダイムを生み出した。
本稿では,CTR予測のためのIDベースモデルと事前学習言語モデル(FLIP)間の細粒度特徴レベルのアライメントを提案する。
論文 参考訳（メタデータ） (2023-10-30T11:25:03Z) - MM-TTA: Multi-Modal Test-Time Adaptation for 3D Semantic Segmentation [104.48766162008815]
本稿では,3次元セマンティックセグメンテーションのためのテスト時間適応のマルチモーダル拡張を提案する。
マルチモダリティを最大限に活用できるフレームワークを設計するために、各モダリティは他のモダリティに対して正規化された自己監督信号を提供する。
正規化された擬似ラベルは、多数の多モードテスト時間適応シナリオにおいて安定した自己学習信号を生成する。
論文 参考訳（メタデータ） (2022-04-27T02:28:12Z) - Leveraging Advantages of Interactive and Non-Interactive Models for
Vector-Based Cross-Lingual Information Retrieval [12.514666775853598]
対話型モデルと非対話型モデルの利点を活用する新しいフレームワークを提案する。
非対話型アーキテクチャ上でモデルを構築できる半対話型機構を導入するが、各文書を関連付けられた多言語クエリと共にエンコードする。
本手法は,計算効率を維持しながら検索精度を大幅に向上させる。
論文 参考訳（メタデータ） (2021-11-03T03:03:19Z)
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。