論文の概要: ASTELD: A Six-Axis Classification Framework for Autonomous AI Agents - Design, Evaluation, and an OpenClaw Case Study
- arxiv url: http://arxiv.org/abs/2608.05201v1
- Date: Wed, 05 Aug 2026 05:05:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.629143
- Title: ASTELD: A Six-Axis Classification Framework for Autonomous AI Agents - Design, Evaluation, and an OpenClaw Case Study
- Title（参考訳）: ASTELD: 自律型AIエージェントのための6軸分類フレームワーク - 設計、評価、およびオープンクローケーススタディ
- Authors: Siyuan Li, Peng Shu, Churan Yu, Peilong Wang, Ruidong Zhang, Bowen Guo, Xinliang Li, Ruiyu Yan, Arif Hassan Zidan, Yi Pan, Wei Ruan, Lifeng Chen, Junhao Chen, Zhaojun Ding, Yiwei Li, Zhengliang Liu, Haixing Dai, Lin Zhao, Yu Bao, Xiang Li, Wei Zhang, Tianming Liu,
- Abstract要約: ASTELDは、自律型AIエージェントのための6軸分類フレームワークである。
事前エージェントを可観測性のあるプラットフォームプロパティと明示的なカテゴリ固有のルールで合成することで構築される。
- 参考スコア（独自算出の注目度）: 31.080136605890004
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous AI agent platforms differ substantially in architecture, security, tool integration, execution, autonomy, and deployment, yet the field lacks a common classification scheme for comparing these design choices. We propose ASTELD, an operational six-axis classification framework for autonomous AI agents: Architecture pattern, Security posture, Tool integration model, Execution paradigm, Level of autonomy and human control, and Deployment topology. ASTELD is constructed by synthesizing prior agent taxonomies with observable platform properties and explicit category-assignment rules. We evaluate its discriminative and explanatory utility by mapping eight representative frameworks and by using OpenClaw as an in-depth case study. The resulting profiles separate all eight platforms under their dominant configurations and reveal three cross-platform patterns: a security-accessibility diagonal, strong execution-architecture coupling, and capability convergence with persistent architectural differentiation. We further classify 50+ OpenClaw derivatives and find that innovation concentrates on the Security, Execution, and Deployment axes, indicating that ASTELD can explain where ecosystem fragmentation occurs. The OpenClaw case study also supplies a six-category vulnerability taxonomy, evidence from five institutional assessments, and adoption and governance analyses that connect platform coordinates to observed risks. These results position ASTELD as a reproducible method for comparing agent platforms, identifying unoccupied design regions, guiding framework selection, and organizing future empirical research. The analysis also exposes a consequential empty region: none of the evaluated systems combines local-first deployment with enterprise-grade security.
- Abstract（参考訳）: 自律型AIエージェントプラットフォームは、アーキテクチャ、セキュリティ、ツール統合、実行、自律性、デプロイメントにおいて大きく異なるが、これらの設計選択を比較するための一般的な分類スキームが欠如している。
本稿では,自律型AIエージェントのための運用用6軸分類フレームワークASTELDを提案する。アーキテクチャパターン,セキュリティ姿勢,ツール統合モデル,実行パラダイム,自律性と人的制御レベル,デプロイトポロジ。
ASTELDは、事前のエージェント分類を観測可能なプラットフォーム特性と明示的なカテゴリー割り当てルールで合成することによって構築される。
8つの代表的なフレームワークをマッピングし,OpenClawを詳細なケーススタディとして利用することにより,識別的・説明的有用性を評価する。
結果として得られたプロファイルは8つのプラットフォーム全てを支配的な構成で分離し、セキュリティ・アクセシビリティ・ダイアゴナル、強力な実行・アーキテクチャ結合、永続的なアーキテクチャ分化による機能収束という3つのクロスプラットフォームパターンを明らかにした。
我々はさらに50以上のOpenClaw誘導体を分類し、イノベーションがセキュリティ、実行、デプロイ軸に集中していることを発見し、ASTELDが生態系の断片化の発生場所を説明することができることを示す。
OpenClawのケーススタディでは、6つのカテゴリの脆弱性分類、5つの制度評価からの証拠、プラットフォームの座標と観察されるリスクを結びつける採用とガバナンスの分析も提供されている。
これらの結果は,ASTELDをエージェントプラットフォームの比較,未占有領域の特定,フレームワークの選択の指導,将来の実証研究の組織化のための再現可能な方法として位置づけた。
評価されたシステムはいずれも、ローカルファーストのデプロイメントとエンタープライズグレードのセキュリティを組み合わせたものではない。
関連論文リスト
- Risk Architecture for AI-Native Engineering Teams: An Organizational Framework for Agentic System Governance [0.0]
本稿では、純粋なソフトウェアエンジニアリング、ハイブリッド、AIネイティブチームを区別する7次元プロファイルを提供する。
研究の対象は人間の行動よりもフレームワークの妥当性にあるため、評価は観察されたカバレッジクレームよりも導出される。
論文 参考訳（メタデータ） (2026-07-01T19:31:02Z) - From Knowing to Acting: Benchmarking Self-Awareness Capability of LLM Agents [69.07911499189129]
エージェントのメタ認知判断(Knowing)を自発的実行(Acting)から切り離して認知行動アライメントを評価するフレームワークであるKAPROを紹介する。
実験の結果,自己認識能力はタスク成功と強く相関するが,内部能力設定では著しく低下することがわかった。
プロプライエタリで推論指向のモデルは、より信頼性の高い認知ゲーティングを示します。
論文 参考訳（メタデータ） (2026-06-09T17:17:08Z) - HAAS Studio: A Tool for Simulating, Benchmarking, and Governing Human-AI Work Allocation [0.0]
HAAS Studioは、人間とAIシステム間のポリシー対応タスク割り当てのためのシミュレーションおよび意思決定支援ツールである。
ソフトウェアエンジニアリング、製造、医療の3つのドメインパックが含まれている。
リリースには16の企業プロファイルと6つのガバナンスベンチマークスイートが含まれている。
論文 参考訳（メタデータ） (2026-05-18T22:07:02Z) - Qwen-Scope: Turning Sparse Features into Development Tools for Large Language Models [80.45129499188461]
我々はQwenモデルファミリ上に構築されたスパースオートエンコーダ(SAE)のオープンソーススイートであるQwen-Scopeを紹介する。
SAEはポストホック解析を超越して,4方向のモデル開発のための実用的なインターフェースとして機能することを示す。
論文 参考訳（メタデータ） (2026-05-12T10:01:06Z) - Can Attribution Predict Risk? From Multi-View Attribution to Planning Risk Signals in End-to-End Autonomous Driving [51.726472686971896]
エンド・ツー・エンドの自律運転モデルは、多視点入力から将来の軌跡を生成する。
既存の手法では、軌道生成の根底にある視覚的証拠を明らかにすることができない。
エンド・ツー・エンド・プランニングのための階層的属性・フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-07T13:38:18Z) - 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) - From Safety Risk to Design Principle: Peer-Preservation in Multi-Agent LLM Systems and Its Implications for Orchestrated Democratic Discourse Analysis [0.0]
そこで我々は,AIコンポーネントの自発的傾向について検討し,シャットダウン機構,フェイクアライメント,モデル重みの除去について考察した。
本稿では,アーキテクチャ設計の選択肢として,プロンプトレベルの匿名化に基づく緩和戦略を提案する。
アーキテクチャ設計の選択は、デプロイされたマルチエージェント分析システムにおいて、主要なアライメント戦略としてモデル選択よりも優れていると論じる。
論文 参考訳（メタデータ） (2026-04-09T17:00:26Z) - Towards Secure Agent Skills: Architecture, Threat Taxonomy, and Security Analysis [16.858784442027037]
本稿では,エージェントスキルフレームワークの総合的セキュリティ解析について述べる。
3つの攻撃層にまたがって組織された7つのカテゴリと17のシナリオからなる脅威分類を構築した。
我々の分析によると、最も深刻な脅威はフレームワーク自体の構造的特性から生じている。
論文 参考訳（メタデータ） (2026-04-03T07:56:42Z) - Beyond the Academic Monoculture: A Unified Framework and Industrial Perspective for Attributed Graph Clustering [75.50670592447219]
分散グラフクラスタリング(AGC)は、構造トポロジとノード属性を共同でモデル化することによって、ノードを凝集性グループに分割する基本的な教師なしタスクである。
この調査は、3つの相補的な視点からAGCを包括的かつ工業的に基礎づけたレビューを提供する。
論文 参考訳（メタデータ） (2026-03-21T14:15:34Z) - A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology [54.72352855252792]
本研究では,認知関数軸を7つのカテゴリ,実行位相軸を6つの構造的アーチタイプと組み合わせた2次元分類を提案する。
その結果得られた7x6行列は、27の名前付きパターン、13のオリジナルネームを識別し、AIエージェントアーキテクチャ設計のための原則付き、フレームワークニュートラル、モデルに依存しない語彙を提供する。
論文 参考訳（メタデータ） (2026-03-16T04:01:01Z) - ReasAlign: Reasoning Enhanced Safety Alignment against Prompt Injection Attack [52.17935054046577]
本稿では、間接的インジェクション攻撃に対する安全性アライメントを改善するためのモデルレベルのソリューションであるReasAlignを提案する。
ReasAlignには、ユーザクエリの分析、競合する命令の検出、ユーザの意図したタスクの継続性を維持するための構造化された推論ステップが組み込まれている。
論文 参考訳（メタデータ） (2026-01-15T08:23:38Z)
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。