論文の概要: A MARL Centered Reference Architecture for Large Language Model Augmentation in Smart Manufacturing

• arxiv url: http://arxiv.org/abs/2608.07148v1
• Date: Fri, 07 Aug 2026 12:10:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-10 16:21:25.491906
• Title: A MARL Centered Reference Architecture for Large Language Model Augmentation in Smart Manufacturing
• Title（参考訳）: スマートマニュファクチャリングにおける大規模言語モデル拡張のためのMARL中心参照アーキテクチャ
• Abstract要約: 本稿では、MARL中心のスコープを採用し、大きな言語モデル(LLM)が、最も強力な競合ケースにおいて、そのコーディネーションコアを置き換えるために、どこで拡張、インターフェース、トレーニングを行うべきかを問う。 条件付き能力プロファイルは、ネイティブメカニズム、報告されたパフォーマンス、正式な保証、エンジニアリングの成熟度を分離し、デプロイメントの準備ができている分析は、各役割の背後にあるエビデンスを特定する。 これらの段階は、三層MARL中心の参照アーキテクチャ、エビデンス、意味論的推論、適応的協調制御、独立に保証された実行という主要な貢献をもたらす。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern manufacturing imposes six coupled demands on adaptive control: local decisions with global consequences, partial observability, nonstationarity, reflex speed response with long horizon effects, delayed and diffuse outcomes, and dynamics that resist explicit modeling. Cooperative multiagent reinforcement learning (MARL), posed as a Dec-POMDP under centralized training with decentralized execution, is a particularly natural formalism for these demands. This paper adopts a MARL centered scope and asks where large language models (LLMs) should augment, interface with, train, or, in the strongest competitive case, replace that coordination core. A taxonomy organizes the literature through four LLM attachment points: policy, reward design, communication between agents, and hierarchical planning. A conditional capability profile separates native mechanism, reported performance, formal guarantee, and engineering maturity, and a deployment readiness analysis identifies the evidence behind each role. These stages yield the principal contribution: a three layer MARL centered reference architecture, grounded in evidence, for semantic reasoning, adaptive cooperative control, and independently assured execution. The LLM-Augmented Dec-POMDP is a descriptive comparative notation for that architecture, recording four attachment choices without introducing a new decision process class or algorithm. Under the reviewed evidence, conventional MARL is better suited to frequent, structured, decentralized coordination after task specific training, whereas LLM components are promising for semantic interpretation, reward drafting, human interaction, and slower supervisory planning. Current LLM only manufacturing controllers do not yet establish equivalence for strict real time, decentralized, safety critical control; this conclusion is bounded by the available evidence and does not assert impossibility.
• Abstract（参考訳）: 現代の製造業は、適応制御に対する6つの複合的な要求を課している: グローバルな結果による局所的な決定、部分的可観測性、非定常性、長い地平線効果による反射速度応答、遅延と拡散結果、明示的なモデリングに抵抗するダイナミクス。 分散的実行を伴う集中トレーニングにおいて,Dec-POMDPとして機能する協調型マルチエージェント強化学習(MARL)は,これらの要求に対して特に自然な形式主義である。 本稿では、MARL中心のスコープを採用し、大きな言語モデル(LLM)が、最も強力な競合ケースにおいて、そのコーディネーションコアを置き換えるために、どこで拡張、インターフェース、トレーニングを行うべきかを問う。 分類学は4つのLCMアタッチメントポイント(ポリシー、報酬設計、エージェント間のコミュニケーション、階層的計画)を通じて文献を整理する。 条件付き能力プロファイルは、ネイティブメカニズム、報告されたパフォーマンス、正式な保証、エンジニアリングの成熟度を分離し、デプロイメントの準備ができている分析は、各役割の背後にあるエビデンスを特定する。 これらの段階は、三層MARL中心の参照アーキテクチャ、エビデンス、意味論的推論、適応的協調制御、独立に保証された実行という主要な貢献をもたらす。 LLM-Augmented Dec-POMDPはアーキテクチャの記述的な比較表記であり、新しい決定プロセスクラスやアルゴリズムを導入することなく4つのアタッチメントの選択を記録する。 レビューされた証拠の下では、従来のMARLはタスク特化訓練後の頻繁で構造化され、分散化された調整に適しており、一方LLMコンポーネントは意味論的解釈、報酬の起草、人的相互作用、監督計画の遅さを約束している。 現在のLCMのみの製造制御装置は、厳密なリアルタイム、分散化、安全臨界制御の等価性を確立しておらず、この結論は利用可能な証拠に縛られ、不合理性は主張されない。

関連論文リスト

• The Art of Interrogation: Consistency Amplifies Factuality in Spatial Reasoning [65.67266333751569]
  現在のLRM(Large Reasoning Models)は、空間推論タスクにおいて顕著な汎用性を示すが、性能は著しく劣る。 本研究では,内的推論プロセスを対象とした自己指導型強化学習フレームワークを提案する。 このラベルのない整合性トレーニングは,地道的な監督によって訓練されたモデルの精度にアプローチし,多様なタスクやデータ領域にまたがる同様の一般化を実現することを示す。
  論文  参考訳（メタデータ） (2026-06-10T10:50:06Z)
• RPA-Check: A Multi-Stage Automated Framework for Evaluating Dynamic LLM-based Role-Playing Agents [4.07447364754644]
  本稿では,LLM ベースの RPA の性能を客観的に評価する多段階自動評価フレームワーク RPA-Check を紹介する。 我々は,この枠組みを,いくつかの定量化ローカルモデルを含む法医学的な訓練のための真剣なゲームであるLLM Courtに適用することで検証する。
  論文  参考訳（メタデータ） (2026-04-13T16:08:03Z)
• When Do Multi-Agent Systems Outperform? Analysing the Learning Efficiency of Agentic Systems [19.835807214272457]
  MARL(Multi-Agent Reinforcement Learning)は、複雑なタスクを特殊なサブタスクに分解することで、有望な方法を提供する。 本稿では,大規模言語モデル(LLM)の文脈におけるMARLとSARLの比較サンプル効率を厳密に分析する。 その結果,MARLはタスクが自然に独立したサブタスクに分解されるのに対して,依存サブタスクはMARLの比較優位性を低下させることがわかった。
  論文  参考訳（メタデータ） (2026-02-09T05:08:36Z)
• rSIM: Incentivizing Reasoning Capabilities of LLMs via Reinforced Strategy Injection [49.74493901036598]
  大規模言語モデル(LLM)は強化学習(RL)を通して後訓練され、推論言語モデル(RLM)へと進化する。 本稿では, 小型プランナを用いることで, LLM を RLM にすることができる新規な強化戦略注入機構 (rSIM) を提案する。 実験結果から、rSIMによりQwen2.5-0.5BはRLMとなり、Qwen2.5-14Bより大幅に優れていた。
  論文  参考訳（メタデータ） (2025-12-09T06:55:39Z)
• From <Answer> to <Think>: Multidimensional Supervision of Reasoning Process for LLM Optimization [62.07990937720985]
  DRM(Dimension-level Reward Model)は、大規模言語モデルのための新しい監視フレームワークである。 DRMは3つの基本的、相補的、解釈可能な次元に沿って推論プロセスの品質を評価する。 実験の結果、DRMは効果的な監視信号を提供し、LCMの最適化を誘導し、推論能力を向上することが示された。
  論文  参考訳（メタデータ） (2025-10-13T14:29:15Z)
• The Landscape of Agentic Reinforcement Learning for LLMs: A Survey [103.32591749156416]
  エージェント強化学習(Agentic RL)の出現は、大規模言語モデル(LLM RL)に適用された従来の強化学習からパラダイムシフトを示している。 本研究では, LLM-RLの縮退した単段階マルコフ決定過程(MDPs)と, エージェントRLを定義する部分可観測マルコフ決定過程(POMDPs)とを対比することにより, この概念シフトを定式化する。
  論文  参考訳（メタデータ） (2025-09-02T17:46:26Z)
• CausalPlan: Empowering Efficient LLM Multi-Agent Collaboration Through Causality-Driven Planning [25.322580535468013]
  CausalPlanは、明示的な構造因果推論を大規模言語モデル(LLM)計画プロセスに統合するフレームワークである。 我々は,5つのマルチエージェント調整タスクと4つのLLMの異なるサイズで,Overcooked-AIベンチマークでCausalPlanを評価した。 その結果、CausalPlanは不適切なアクションを一貫して削減し、AI-AIとヒューマン-AI設定の両方でのコラボレーションを改善していることがわかった。
  論文  参考訳（メタデータ） (2025-08-19T10:37:20Z)
• Coherent Multimodal Reasoning with Iterative Self-Evaluation for Vision-Language Models [4.064135211977999]
  大規模言語モデル (LLMs) と視覚言語モデル (LVLMs) は複雑で多段階のクロスモーダルな常識推論タスクに苦しむ。 我々は,LVLMの共通感覚推論能力を高める新しいアプローチであるコヒーレント・マルチモーダル推論フレームワーク(CMRF)を提案する。 CMRFは複雑なクエリを分解し、ステップバイステップの推論を生成し、エラーを自己修正することで人間の問題解決を模倣する。
  論文  参考訳（メタデータ） (2025-08-04T20:33:58Z)
• Embodied CoT Distillation From LLM To Off-the-shelf Agents [6.318203525449058]
  DeDerは、大規模言語モデル(LLM)から具体的推論能力を分解し、蒸留するためのフレームワークである。 ALFREDベンチマークによる我々の実験は、DeDerが先進的な言語計画と蒸留アプローチを超越していることを示している。
  論文  参考訳（メタデータ） (2024-12-16T07:18:02Z)
• CLOMO: Counterfactual Logical Modification with Large Language Models [109.60793869938534]
  本稿では,新しいタスク,CLOMO(Counterfactual Logical Modification)と高品質な人間アノテーションベンチマークを紹介する。 このタスクでは、LLMは所定の論理的関係を維持するために、与えられた議論的テキストを順応的に変更しなければなりません。 LLMの自然言語出力を直接評価する革新的な評価指標である自己評価スコア(SES)を提案する。
  論文  参考訳（メタデータ） (2023-11-29T08:29:54Z)
• Semantically Aligned Task Decomposition in Multi-Agent Reinforcement Learning [56.26889258704261]
  我々は,MARL(SAMA)における意味的アライズされたタスク分解という,新しい「不整合」意思決定手法を提案する。 SAMAは、潜在的な目標を示唆し、適切な目標分解とサブゴールアロケーションを提供するとともに、自己回帰に基づくリプランニングを提供する、チェーン・オブ・シントによる事前訓練された言語モデルを促進する。 SAMAは, 最先端のASG法と比較して, 試料効率に有意な優位性を示す。
  論文  参考訳（メタデータ） (2023-05-18T10:37:54Z)

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。