論文の概要: AgentDecarbonizer: Carbon-Aware Execution for AI Agents
- arxiv url: http://arxiv.org/abs/2608.20566v1
- Date: Thu, 20 Aug 2026 21:05:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.232672
- Title: AgentDecarbonizer: Carbon-Aware Execution for AI Agents
- Title（参考訳）: AgentDecarbonizer:AIエージェントのためのカーボンアウェアの実行
- Abstract要約: 本稿では,WildClawBenchを用いたOpenClawエージェントワークロードの二酸化炭素排出量を特徴付ける。
我々は、OpenClawと並行して動作するAIエージェント向けの炭素指向のエージェントDecarbonizerについて紹介する。
- 参考スコア（独自算出の注目度）: 2.316954327372376
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents extend large language models from single prompt-response interactions to long-running, goaldirected workflows that issue many model calls, invoke tools, and interact with external environments. These workflows enable tasks such as software repair, data analysis, and experiment management, but their repeated model invocations can incur substantial carbon emissions. This paper characterizes the carbon emissions of OpenClaw agent workloads using WildClawBench, and shows that emissions depend on token consumption, context cache reuse, and the carbon intensity of the grid. Our characterization identifies deadline flexibility as an opportunity for carbon-aware execution: agent tasks can wait for lower-carbon-intensity periods or shift to lower-carbon grids. However, doing so requires handling uncertain execution time for temporal shifting and cached context recomputation during spatial shifting. We present AgentDecarbonizer, a carbon optimizer for AI agents that runs alongside OpenClaw. Given a task prompt and user-specified deadline, AgentDecarbonizer conservatively estimates task duration and selects deadline-feasible execution schedules, while accounting for cache recomputation overhead during spatial shifting. Evaluated on WildClawBench workloads with 60 agent tasks across four grids, AgentDecarbonizer reduces carbon emissions by up to 57.9 % compared with a carbon-agnostic baseline and by up to 37.5 % compared with a baseline that selects the carbon-optimal grid at task start time.
- Abstract（参考訳）: AIエージェントは、大規模な言語モデルを、単一のプロンプト応答インタラクションから、多くのモデルコールの発行、ツールの呼び出し、外部環境とのインタラクションなど、長時間実行可能なワークフローまで拡張する。
これらのワークフローは、ソフトウェア修復、データ分析、実験管理などのタスクを可能にするが、繰り返し行われるモデル呼び出しは、かなりの二酸化炭素排出量を発生させる可能性がある。
本稿では,WildClawBenchを用いたOpenClawエージェントワークロードの炭素排出量を特徴付け,トークン消費,コンテキストキャッシュの再利用,グリッドの炭素強度に依存することを示す。
エージェントタスクは、低炭素強度の期間を待つか、低炭素グリッドに移行することができる。
しかし、時間シフトと空間シフト中にキャッシュされたコンテキスト再計算を行うには、不確実な実行時間を扱う必要がある。
我々は、OpenClawと並行して動作するAIエージェントのためのカーボンオプティマイザであるAgentDecarbonizerを紹介する。
タスクプロンプトとユーザ指定期限が与えられた場合、AgentDecarbonizerは、空間シフト中のキャッシュ再計算オーバーヘッドを考慮しつつ、タスク期間を保守的に見積もり、デッドライン可能な実行スケジュールを選択する。
エージェントDecarbonizerは、WildClawBenchのワークロードを4つのグリッドで60のエージェントタスクで評価し、炭素非依存のベースラインと比較して最大57.9%削減し、タスク開始時に炭素最適グリッドを選択するベースラインと比較して最大37.5%削減する。
関連論文リスト
- IdleSpec: Exploiting Idle Time via Speculative Planning for LLM Agents [56.77101184011525]
大規模言語モデル(LLM)ベースのエージェントは、反復的なツールコールと環境相互作用で多段階推論を活用することで複雑なタスクを解決する。
ほとんどのエージェントシナリオではアイドル時間が流行しているが、既存の作業では避けられないオーバーヘッドとして扱っている。
IdleSpecは、アイドル時間計算を利用してエージェントのパフォーマンスを向上させる、スケーラブルで汎用的な推論手法である。
論文 参考訳（メタデータ） (2026-05-21T08:25:17Z) - 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) - ClawGym: A Scalable Framework for Building Effective Claw Agents [47.47444724291439]
ClawGymは、Clawスタイルのパーソナルエージェント開発の全ライフサイクルをサポートするスケーラブルなフレームワークである。
ClawGym-SynDataは、ペルソナ駆動のインテントとスキル接地操作から合成された13.5Kのフィルタリングタスクのデータセットである。
次に、ブラックボックスのロールアウト軌跡の教師付き微調整を通じて、ClawGym-Agentsと呼ばれる有能なClawスタイルのモデルのファミリーを訓練する。
さらに、自動フィルタリングとヒューマンLLMレビューを通じて200インスタンスのベンチマークであるClawGym-Benchを構築します。
論文 参考訳（メタデータ） (2026-04-29T17:12:22Z) - Green or Fast? Learning to Balance Cold Starts and Idle Carbon in Serverless Computing [12.749575649611643]
サーバレスコンピューティングは、クラウドデプロイメントを単純化するが、サービスレイテンシと二酸化炭素排出量を管理する上での新たな課題を導入している。
LACE-RLは遅延認識と炭素効率管理のためのフレームワークである。
LACE-RLは、Huaweiの静的ポリシーと比較して、コールドスタートを51.69%減らし、アイドル型二酸化炭素排出量を77.08%減らしている。
論文 参考訳（メタデータ） (2026-02-27T11:35:15Z) - CarbonCall: Sustainability-Aware Function Calling for Large Language Models on Edge Devices [0.44784055850794474]
大規模言語モデル(LLM)は、エッジAIシステムでのリアルタイム関数呼び出しを可能にするが、計算オーバーヘッドが大幅に増加し、高消費電力と二酸化炭素排出量につながる。
持続可能な機能呼び出しフレームワークであるCarbonCallを導入し、動的ツールの選択、炭素認識の実行、量子化適応を統合した。
NVIDIA Jetson AGX Orinの実験によると、CarbonCallは炭素排出量を最大52%削減し、消費電力を30%削減し、実行時間を30%削減し、高い効率を維持している。
論文 参考訳（メタデータ） (2025-04-29T01:37:08Z) - Carbon- and Precedence-Aware Scheduling for Data Processing Clusters [10.676357280358886]
データ処理のための炭素対応スケジューリングは、時間的変化のある炭素と優先順位の制約の両方の知識から恩恵を受けることを示す。
このスケジューラは, 炭素削減時間と仕事完了時間の間に優先順位を付与し, 両者のトレードオフを特徴付ける分析結果を与える。
100ノードクラスタ上のSparkプロトタイプは、$texttPCAPS$の適度な設定によって、クラスタ全体の効率に大きな影響を与えることなく、炭素フットプリントを最大32.9%削減できることを示している。
論文 参考訳（メタデータ） (2025-02-13T19:06:10Z) - Carbon Market Simulation with Adaptive Mechanism Design [55.25103894620696]
炭素市場(英: carbon market)は、個人の利益をグローバルユーティリティーと整合させる経済エージェントをインセンティブとする、市場ベースのツールである。
階層型モデルフリーマルチエージェント強化学習(MARL)を用いて市場をシミュレートする適応機構設計フレームワークを提案する。
MARLは、政府エージェントが生産性、平等、二酸化炭素排出のバランスをとることができることを示している。
論文 参考訳（メタデータ） (2024-06-12T05:08:51Z) - LACS: Learning-Augmented Algorithms for Carbon-Aware Resource Scaling with Uncertain Demand [1.423958951481749]
本稿では,未知の作業時間(OCSU)を用いたオンラインCO_2-Awareリソーススケーリング問題について検討する。
我々は,論理的に堅牢な学習拡張アルゴリズムであるLACSを提案し,OCSUを解く。
LACSは、納期を意識した炭素に依存しない作業と比較して、炭素フットプリントの32%の削減を実現している。
論文 参考訳（メタデータ） (2024-03-29T04:54:22Z) - On the Limitations of Carbon-Aware Temporal and Spatial Workload
Shifting in the Cloud [0.6642611154902529]
当社は、クラウドワークロードにおける炭素認識スケジューリングのメリットと限界を理解するために、詳細なデータ駆動分析を実施しています。
この結果から, 限られた作業量シフトは二酸化炭素排出量を減少させるが, 現実的な削減は理想とは程遠いことが示唆された。
論文 参考訳（メタデータ） (2023-06-10T18:39:49Z) - Machine Guided Discovery of Novel Carbon Capture Solvents [48.7576911714538]
機械学習は、材料開発における時間とリソースの負担を軽減するための有望な方法を提供する。
そこで我々は, 市販の酸性ガススクラップ式炭素捕捉装置に適合する新規な水性アミンを, エンドツーエンドで発見する「発見サイクル」を開発した。
予測プロセスは、材料パラメータの両方の実験に対して60%の精度を示し、外部テストセット上では1つのパラメータに対して80%の精度を示す。
論文 参考訳（メタデータ） (2023-03-24T18:32:38Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z)
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。