論文の概要: A-CPES: A Reference Framework for Agentic AI in Cyber-Physical Energy Systems
- arxiv url: http://arxiv.org/abs/2608.22672v1
- Date: Mon, 24 Aug 2026 00:17:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 18:24:36.983742
- Title: A-CPES: A Reference Framework for Agentic AI in Cyber-Physical Energy Systems
- Title（参考訳）: A-CPES:サイバー物理エネルギーシステムにおけるエージェントAIの参照フレームワーク
- Abstract要約: ループは分割不可能であり、どの部分で閉じるかを調整し、8つの構造的障害モードを偽装可能な予測として記述し、ループが回転する前にループをカバーするまで承認フレームを再構築する6つのガバナンスモジュールを指定します。
- 参考スコア（独自算出の注目度）: 9.149479016214762
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Energy system operation contains a loop of work that automation has never taken over: posing the optimization problem the current cycle should solve, disposing of infeasibility, sequencing a solution into interlocked switching orders, assembling evidence no single model holds, negotiating adjustable capacity with many parties, and settling experience into practice. Licensed dispatchers carry all of it in person, and the rising share of variable renewable generation is making that loop turn faster than their number can grow. Agentic AI supplies the abilities it requires, but enters as the outer loop of control: it calls SCED and the other decision models rather than being called by them. We propose A-CPES, three nested rings, an authorization and accountability frame around an agentic control outer loop around a six-layer CPES core. We argue the loop is indivisible, tune where and how tightly it may close, state eight structural failure modes as falsifiable predictions, and specify six governance modules that rebuild the authorization frame until it covers the loop, before the loop starts turning.
- Abstract（参考訳）: エネルギーシステムの運用には、自動化された作業のループが含まれており、現在のサイクルが解決すべき最適化問題に対処し、実現不可能を解消し、ソリューションをインターロックされた切替命令にシーケンシングし、単一のモデルが持たない証拠を組み立て、多くの当事者と調整可能な能力の交渉を行い、経験を実践する。
ライセンスされたディスペンサーは、その全てを自分で持っており、可変再生可能エネルギーのシェアは、そのループの回転を、その数の増大よりも速くしている。
エージェントAIは必要な能力を提供するが、制御の外側のループとして入力される。
A-CPES, 3つのネストリング, 6層CPESコアまわりのエージェント制御外ループまわりの認可と説明責任フレームを提案する。
ループは分割不可能であり、どの部分で閉じるかを調整し、8つの構造的障害モードを偽装可能な予測として記述し、ループが回転する前にループをカバーするまで承認フレームを再構築する6つのガバナンスモジュールを指定します。
関連論文リスト
- MTAC-IFBench: Benchmarking Instruction-Following in Multi-Turn Agentic Coding [83.0805548642958]
MTAC-IFBenchは、ソフトウェア開発におけるインストラクションフォローのための包括的なベンチマークである。
6つのプライマリと18のセカンダリカテゴリにまたがるさまざまな制約を持つ、多ターンプログレッシブなソフトウェア開発指示が特徴である。
MTAC-IFBenchは、マルチターン命令フォローにおける既存のコードエージェントの重大な欠陥を認識し、インタラクションセッションが長くなるにつれてパフォーマンスが急速に低下する。
論文 参考訳（メタデータ） (2026-09-14T03:57:37Z) - RestoreBench: Can AI Agents Restore Power Flow Convergence? [2.4326395001229053]
非収束パワーフローケースの診断と解決は、有望だがほとんど探索されていないアプリケーションである。
複数のLLMと3つのアーキテクチャにまたがるこれらの機能を評価するベンチマークを導入する。
評価は2つの電力網と1グリッドあたり46ケースをカバーし、それぞれ収束を回復するために1つ以上の補正措置を必要とする。
論文 参考訳（メタデータ） (2026-08-31T21:15:19Z) - Agent Gym: A Framework for Continuous Evaluation and Evolution of LLM Agents Through Human-in-the-Loop Feedback [0.0]
大きな言語モデル(LLM)エージェントは、基本的な緊張に直面します。エージェントの動作は、デプロイ時に凍結されますが、処理するビジネスルールとエッジケースは、進化し続けます。
既存のアプローチではエージェント構築とワンタイム評価を行うが、継続的デプロイ後の動作補正のための構造的メカニズムは提供しない。
我々はAgent Gymを紹介した。Agent Gymはモジュール型のドメインに依存しないフレームワークで、既存のLLMベースのエージェントを連続的な評価と進化のループでラップする。
論文 参考訳（メタデータ） (2026-08-16T07:27:26Z) - A Systematic Approach to Multi-Agent AI from Advanced Regulatory Control Theory: Safe and Auditable LLM Operator Agents for Process Control [0.2864713389096699]
プロセス制御の原則の下でのマルチエージェントの改革は、これらの点に対処するための経路を提供する、という仮説を立てることが可能である。
本研究は、高度な規制制御(ARC)理論から導かれた、このような改革を提案する。
論文 参考訳（メタデータ） (2026-06-29T20:07:47Z) - The Unfireable Safety Kernel: Execution-Time AI Alignment for AI Agents and Other Escapable AI Systems [0.0]
本稿では,AIシステムのアーキテクチャ制御を実現するRustリファレンス実装であるUnfireable Safety Kernelを紹介する。
我々は,生きた,回避可能なAIシステム,決定論的,自己改善的な世界モデルを管理するカーネルを,逃げ出す敵に対して評価する。
論文 参考訳（メタデータ） (2026-06-24T17:32:27Z) - ENPIRE: Agentic Robot Policy Self-Improvement in the Real World [40.75426390954145]
ENPIREは、物理フィードバックルーチンを4つのコアモジュールでインスタンス化するコーディングエージェントのためのハーネスフレームワークである。
ENPIREの力で、フロンティアコーディングエージェントは、困難な巧妙な操作タスクで99%の成功率を達成するために、ポリシーを自律的に訓練することができる。
論文 参考訳（メタデータ） (2026-06-18T09:21:27Z) - AutoResearchClaw: Self-Reinforcing Autonomous Research with Human-AI Collaboration [175.74514061083195]
提案するAutoResearchClawは,5つのメカニズムに基づいて構築されたマルチエージェント自律型研究パイプラインである。
25トピックの実験ステージベンチマークであるARC-Benchでは、AutoResearchClawがAI Scientist v2を54.7%上回っている。
論文 参考訳（メタデータ） (2026-05-19T15:49:51Z) - IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。
IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
論文 参考訳（メタデータ） (2026-04-22T03:03:33Z) - RADAR: Closed-Loop Robotic Data Generation via Semantic Planning and Autonomous Causal Environment Reset [48.645870795753105]
ロボットのためのロバスト自動データ取得(RADAR)について紹介する。
RADARは完全に自律的でクローズドループのデータ生成エンジンで、収集サイクルから人間の介入を完全に取り除きます。
シミュレーションでは、複雑な長期タスクにおいて、最大90%の成功率を達成する。
論文 参考訳（メタデータ） (2026-03-12T11:18:52Z) - To Throw a Stone with Six Birds: On Agents and Agenthood [0.0]
Six Birds Theory (SBT)は、マクロな物体を原始体ではなく誘導的閉包として扱う。
SBT内では,タイプ正当性評価を行う。
我々はこの契約を4つのチェック可能なコンポーネントを用いて有限制御システムで運用する。
論文 参考訳（メタデータ） (2026-02-03T10:46:23Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - When Disagreements Elicit Robustness: Investigating Self-Repair Capabilities under LLM Multi-Agent Disagreements [56.29265568399648]
我々は、不一致が早期のコンセンサスを防ぎ、探索されたソリューション空間を拡張することを主張する。
タスククリティカルなステップの相違は、ソリューションパスのトポロジによってコラボレーションを損なう可能性がある。
論文 参考訳（メタデータ） (2025-02-21T02:24:43Z)
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。