論文の概要: Agent-MD: Selective LLM Intervention with Event-Driven Escalation for Stateful GCMC--MD Campaigns

• arxiv url: http://arxiv.org/abs/2608.07637v1
• Date: Fri, 07 Aug 2026 15:39:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.467048
• Title: Agent-MD: Selective LLM Intervention with Event-Driven Escalation for Stateful GCMC--MD Campaigns
• Title（参考訳）: Agent-MD: ステートフルGCMC--MDキャンペーンのためのイベント駆動エスカレーションによる選択的LCMインターベンション
• Abstract要約: AgentMDは、キャンペーンの構築とイベントトリガーによるレビューにおいて、大規模言語モデル(LLM)を選択的に推論するフレームワークである。 エージェントMDは, グランドカノニカルモンテカルロ分子動力学 (GCMC-MD) 水蒸気脱離キャンペーンで実証された。
• 参考スコア（独自算出の注目度）: 25.79745376434582
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Long-running molecular simulation campaigns require repeated continuation from saved states, provenance-aware progression, adaptive assessment, and occasional interpretation of workflow conditions that cannot be resolved safely by fixed rules. Here, we present Agent-MD, a framework that places large language model (LLM) reasoning selectively at campaign construction and event-triggered review, while routine simulation, analysis, continuation, archiving, and state progression are handled by a persistent rule-based campaign agent using approved policies and explicit state records. Agent-MD was demonstrated in a grand canonical Monte Carlo-molecular dynamics (GCMC-MD) water-vapor desorption campaign comprising five montmorillonite systems and three sequential relative-humidity states (RH = 0.9-0.3-0.1). Across 15 system-RH states, the workflow completed 120 segmented simulation cycles with state-specific sampling lengths and provenance-aware restart inheritance. Routine production required no live reasoning-agent invocation, while one state reached a review boundary; two preserved incidents were subsequently evaluated through blinded reasoning-agent replay, which identified the underlying workflow problems and recommended appropriate follow-up actions. The simulations also revealed distinct composition-dependent low-RH responses, with Ca-bearing montmorillonite retaining more interlayer water and maintaining a larger basal spacing than the Na- and K-bearing systems, while the highest-charge Na system retained more residual water under dry conditions. These results demonstrate that long-running scientific workflows need not place every operation inside an LLM reasoning loop: selective reasoning can instead be combined with deterministic execution, structured evidence, and validated control handoffs to provide reproducible and auditable agent-assisted molecular simulation.
• Abstract（参考訳）: 長期にわたる分子シミュレーションキャンペーンでは、保存状態からの繰り返し継続、前向きな進行、適応的評価、時には一定の規則で安全に解決できないワークフロー条件の解釈が必要である。 本稿では,大規模言語モデル(LLM)をキャンペーン構築とイベントトリガーによるレビューで選択的に推論するフレームワークであるAgent-MDを提案する。一方,定期シミュレーション,解析,継続,アーカイブ,状態進行は,承認されたポリシーと明示的な状態記録を用いた永続的なルールベースのキャンペーンエージェントによって処理される。 エージェント-MDは5つのモンモリロナイト系と3つの連続相対湿度状態(RH = 0.9-0.3-0.1)からなる大標準モンテカルロ分子動力学(GCMC-MD)水蒸気脱離キャンペーンで実証された。 15のシステム-RH状態にまたがって、ワークフローは120のセグメント化されたシミュレーションサイクルを完了し、状態固有のサンプリング長とプロファイランスを意識した再起動を継承した。 1つの状態がレビューバウンダリに到達し、2つの保存されたインシデントがブラインドされた推論エージェントのリプレイによって評価され、基礎となるワークフローの問題を特定し、適切なフォローアップアクションを推奨した。 また,Ca含有モンモリロナイトはNa-およびK-ベアリング系よりも多くの層間水を保持し,Na-およびK-ベアリング系よりも大きな基底間隔を維持し,高電荷Na系は乾燥条件下で残留水を多く保持した。 選択的推論は決定論的実行、構造化された証拠、検証された制御ハンドオフと組み合わせて再現可能で監査可能なエージェント支援分子シミュレーションを提供することができる。

関連論文リスト

• Knowing When to Ask for Help: Bayesian Self-Escalation in Hierarchical LLM Agents [0.0]
  現在のエージェントシステムは、推論を開始する前にデリゲートを決定する。 我々は第3の体制について研究し、それは成功しそうもないと自覚するエージェントである。
  論文  参考訳（メタデータ） (2026-08-25T05:35:07Z)
• From Sequence to Structure: Relational Uncertainty Propagation for LLM Agents [75.69180947909148]
  大規模言語モデル(LLM)エージェントのためのトラジェクトリレベルのUQフレームワークを提案する。 RuPAは、推論状態、ツールインタラクション、環境フィードバックが時間的およびセマンティックな依存関係エッジで接続されたノードである、指向的なトラジェクトリグラフとして実行履歴を表現している。 我々は,複数のモデルファミリにまたがる6つのオープンソースLCMを用いて,代用エージェントベンチマーク($2, Terminal-Bench-2, GAIA)でRUPAを評価した。
  論文  参考訳（メタデータ） (2026-08-17T01:40:14Z)
• Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
  大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。 既存のアプローチはそのようなシステムレベルの保証を提供していません。 本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
  論文  参考訳（メタデータ） (2026-08-04T13:01:30Z)
• HydroAgent: Formalizing Forecaster Expertise into Skill-Orchestrated Flood Forecasting Workflows [18.671721005774852]
  HydroAgentは、Large Language Models(LLM)をモデル駆動の洪水予測ワークフローに組み込む、スキルオーケストレーションエージェントフレームワークである。 我々は,南ヤムヒル川流域の5つの最先端LCMを用いて,その有効性を検証した。 高ベースラインのスキームライブラリ上に構築されたガイド付きスキーム選択により,14件中14件,13件の判定範囲内において,模擬ピークフローと洪水水量が減少し,KGEが0.023-0.154向上する。
  論文  参考訳（メタデータ） (2026-07-27T04:18:36Z)
• A Self-Evolving Default Action for Cooperative Tasks with Continuous Action Space [1.5229257192293202]
  継続的協調作業のための新しい枠組みであるSAFEを提案する。 それは、各エージェントの経験バッファからサンプリングされた自己進化のデフォルトアクションに条件付けられた反ファクトのベースラインを使用する。 協調車載作業の実験は、SAFEが常に最先端のモデルより優れていることを示した。
  論文  参考訳（メタデータ） (2026-07-21T00:17:55Z)
• Influence-Guided Symbolic Regression: Scientific Discovery via LLM-Driven Equation Search with Granular Feedback [56.69850045068714]
  逐次的2段階プロセスとして方程式発見をフレーム化する方法である textitInfluence-Guided Regression (IGSR) を導入する。 LLM-SRBench, 薬理学的PKPDモデル, 疫学シミュレーション, 実世界のゲノムデータなど, IGSRの有効性を示す。
  論文  参考訳（メタデータ） (2026-05-27T23:48:01Z)
• Agent-BRACE: Decoupling Beliefs from Actions in Long-Horizon Tasks via Verbalized State Uncertainty [70.43119366710778]
  本稿では,Agens-BRACE: Agent Belief state Representation by Abstraction and Confidence Estimationを紹介する。 LLMエージェントを信頼状態モデルと政策モデルに分離し、強化学習を通じて協調的に最適化する手法である。 長期にわたる部分的に観察可能な言語環境において、平均して+14.5%の絶対的な改善を実現している。
  論文  参考訳（メタデータ） (2026-05-12T02:37:04Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• Claw-Eval-Live: A Live Agent Benchmark for Evolving Real-World Workflows [67.92316850084575]
  ワークフローエージェントのライブベンチマークであるClaw-Eval-Liveを紹介する。 各リリースは、公開ワークフロー要求信号から構築される。 Claw-Eval-Liveは実行トレース、監査ログ、サービス状態、実行後のワークスペースアーティファクトを記録する。
  論文  参考訳（メタデータ） (2026-04-30T17:23:19Z)
• Mozi: Governed Autonomy for Drug Discovery LLM Agents [21.429647382651677]
  依存度の高い医薬品パイプラインでは、自律的なエージェントがしばしば再現不可能な軌道へと漂流する。 我々は、生成AIの柔軟性と計算生物学の決定論的厳密さを橋渡しする二重層アーキテクチャであるMoziを紹介する。 モジの大規模化学空間をナビゲートし、強い毒性フィルターを強制し、シリカ候補において高い競争力を発揮する能力を示す。
  論文  参考訳（メタデータ） (2026-03-04T02:22:21Z)
• The Illusion of Procedural Reasoning: Measuring Long-Horizon FSM Execution in LLMs [10.228723521208858]
  大規模言語モデル (LLM) は推論問題としてのタスクにおいて顕著な結果を得た。 手続き的推論を実行し、多段階のルールベースの計算を実行する真の能力は、まだ不明である。 LLMの手続き的推論能力を評価するためのフレームワークとして有限状態機械実行を導入する。
  論文  参考訳（メタデータ） (2025-11-05T18:44:47Z)
• Modular Deep Reinforcement Learning for Continuous Motion Planning with Temporal Logic [59.94347858883343]
  本稿では,マルコフ決定過程(MDP)をモデルとした自律動的システムの運動計画について検討する。 LDGBA と MDP の間に組込み製品 MDP (EP-MDP) を設計することである。 モデルフリー強化学習(RL)のためのLDGBAベースの報酬形成と割引スキームは、EP-MDP状態にのみ依存する。
  論文  参考訳（メタデータ） (2021-02-24T01:11:25Z)

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。