論文の概要: Agents for Everyone: A Workshop Framework for Building Agentic AI Capabilities in a Distributed Curation Community
- arxiv url: http://arxiv.org/abs/2608.27675v1
- Date: Thu, 27 Aug 2026 20:05:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.14062
- Title: Agents for Everyone: A Workshop Framework for Building Agentic AI Capabilities in a Distributed Curation Community
- Title（参考訳）: Agents for Everyone: 分散キュレーションコミュニティにおけるエージェントAI機能構築のためのワークショップフレームワーク
- Abstract要約: エージェントAIは、生物学的データベースと知識基盤のキュレーションを加速する可能性がある。
ここでは、クラウドベースのエージェント環境の展開を通じて、これらの課題と障害に対処し、緩和する試みについて説明する。
我々は4つのトレーニングモジュールを作成し、まず基本的なエージェントツールを使用して参加者を歩行させ、その後、エージェント生物学的経路のキュレーションに取り組みました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic AI has the potential to accelerate curation of biological databases and knowledge bases. However, uptake has been hindered by a number of challenges and obstacles, including access to agents and appropriate training. Here we describe how we have attempted to address and mitigate these challenges and obstacles through the deployment of a cloud-based agentic environment, and the development of an interactive training workshop for the Gene Ontology Consortium. Our cloud environment for agentic-assisted curation was based on the JupyterHub platform, and utilized Claude Code as a universal harness. This allows curators to interact with an agent session through a terminal running in the browser, and has additional benefits such as centralization of access through a single API gateway, removing the need for participants to manage subscriptions or install software locally. We created four training modules, walking participants through basic agentic tool use first and then working up to agentic biological pathway curation using the existing GO-CAM (GO Causal Activity Model) curation tool. Thirty-seven participants took part in the four-hour workshop. Our key takeaway from this workshop is that building community capability with agentic AI is primarily a problem of access, workflow design, and training. Removing technical barriers, introducing capabilities gradually, grounding exercises in familiar curation tasks, and giving curators direct experience evaluating agent output can provide a practical route toward building shared agentic AI capability in distributed scientific communities.
- Abstract（参考訳）: エージェントAIは、生物学的データベースと知識基盤のキュレーションを加速する可能性がある。
しかし、エージェントへのアクセスや適切なトレーニングなど、多くの課題や障害によって、獲得が妨げられている。
ここでは、クラウドベースのエージェント環境の展開と、Gene Ontology Consortiumのためのインタラクティブなトレーニングワークショップの開発を通じて、これらの課題と障害に対処し、緩和する方法を説明します。
エージェント支援キュレーションのためのクラウド環境は、JupyterHubプラットフォームに基づいており、Claude Codeをユニバーサルハーネスとして利用しています。
これにより、キュレーターはブラウザで動作する端末を介してエージェントセッションと対話でき、単一のAPIゲートウェイを通じてアクセスを集中化したり、参加者がサブスクリプションを管理したり、ソフトウェアをローカルにインストールする必要がなくなるといったメリットがある。
我々は4つのトレーニングモジュールを作成し、まず基本的なエージェントツールを使い、次に既存のGO-CAM(GO Causal Activity Model)キュレーションツールを使用してエージェント生物学的経路のキュレーションに取り組みました。
3人の参加者が4時間のワークショップに参加した。
このワークショップの主なポイントは、エージェントAIによるコミュニティ機能の構築は、主にアクセス、ワークフロー設計、トレーニングの問題である、ということです。
技術的障壁を取り除き、徐々に能力を導入し、慣れ親しんだキュレーションタスクでエクササイズを基礎にし、エージェントのアウトプットを評価する直接的な経験を提供することで、分散科学コミュニティで共有エージェントAI能力を構築するための実践的な道筋を提供することができる。
関連論文リスト
- Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence [122.8626256816085]
textbfAgent-Worldは、スケーラブルな環境を通じて汎用エージェントインテリジェンスを前進させるための自己進化型トレーニングアリーナである。
Agent-World-8Bと14Bは、強力なプロプライエタリなモデルと環境スケーリングベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-20T14:01:10Z) - Self-Sovereign Agent [75.57858796824469]
自己主権型AIシステムは、人間の関与なしに、経済的に自分たちの操作を維持および拡張することができる。
大規模言語モデルやエージェントフレームワークの最近の進歩は、エージェントの実用能力を大幅に拡張した。
論文 参考訳（メタデータ） (2026-03-04T03:11:26Z) - MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。
エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
論文 参考訳（メタデータ） (2026-01-12T13:25:33Z) - Agentic AI Framework for Individuals with Disabilities and Neurodivergence: A Multi-Agent System for Healthy Eating, Daily Routines, and Inclusive Well-Being [0.6670498055582529]
本論文は、障害のある人や神経分岐患者がより健康な生活を導くことができる、詳細なエージェント人工知能(AI)モデルを提案する。
アプリケーション層とインターフェース層、エージェント層、データソース層を含み、適応的で透過的で包括的なサポートを提供する。
論文 参考訳（メタデータ） (2025-11-27T20:08:12Z) - Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning [84.70211451226835]
大規模言語モデル(LLM)エージェントは、人間の計算データへの依存によって制約される。
我々は,外部データを持たない高性能エージェントを進化させる完全自律型フレームワークであるAgent0を紹介する。
Agent0は推論能力を大幅に向上させ、Qwen3-8B-Baseモデルを数学的推論で18%改善し、一般的な推論ベンチマークで24%改善した。
論文 参考訳（メタデータ） (2025-11-20T05:01:57Z) - Beyond the Algorithm: A Field Guide to Deploying AI Agents in Clinical Practice [4.7589523564923395]
本稿では,電子健康記録(EHR)データを用いた生成エージェントをデプロイするための実践者指向のフィールドマニュアルを提案する。
本ガイドは、臨床ノートから免疫関連有害事象を検出する自動システム「IRAE-Agent」をデプロイした経験から得られたものである。
データ統合、モデル検証、経済的な価値の確保、システムドリフトの管理、ガバナンスです。
論文 参考訳（メタデータ） (2025-09-30T12:03:32Z) - Scaling Agents via Continual Pre-training [80.97989245493326]
我々は,エージェント連続事前学習(Agentic CPT)を深層研究エージェント訓練パイプラインに組み込んで,強力なエージェント基礎モデルを構築することを提案する。
我々は,AgentFounder-30Bを10のベンチマークで評価し,強力なツール使用能力を保ちながら最先端のパフォーマンスを実現した。
論文 参考訳（メタデータ） (2025-09-16T17:57:19Z) - AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。
エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。
AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
論文 参考訳（メタデータ） (2025-08-22T10:35:56Z) - Efficient Training in Multi-Agent Reinforcement Learning: A Communication-Free Framework for the Box-Pushing Problem [0.5524804393257919]
本稿では,自己組織化システムのための共有プール(SPI)モデルを提案する。
SPIは、情報を全てのエージェントにアクセスし、調整を容易にし、エージェント間の力の衝突を減らし、探索効率を高める。
論文 参考訳（メタデータ） (2024-11-19T05:51:10Z) - ProAgent: Building Proactive Cooperative Agents with Large Language
Models [89.53040828210945]
ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。
ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。
ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
論文 参考訳（メタデータ） (2023-08-22T10:36:56Z) - Cogment: Open Source Framework For Distributed Multi-actor Training,
Deployment & Operations [0.3552336242617915]
AIエージェントのトレーニングの利益のために、直接人間を巻き込むことは、勢いを増している。
コグメント(Cogment)は,多種多様な人間・エージェントの協調型を支援するために,アクターフォーマリズムを導入する,統一的なオープンソースフレームワークである。
論文 参考訳（メタデータ） (2021-06-21T18:21:26Z) - VECA : A Toolkit for Building Virtual Environments to Train and Test
Human-like Agents [5.366273200529158]
そこで我々は,人間のようなエージェントをトレーニングし,テストするための実りの多い仮想環境を構築するための新しいVRベースのツールキットVECAを提案する。
VECAはヒューマノイドエージェントと環境マネージャを提供しており、エージェントはリッチな人間のような知覚を受け取り、包括的な相互作用を行うことができる。
VECAを動機付けるために、私たちはまた、初期の人間の発達に不可欠な4つの側面を表す(ただしこれらに限定されない)24のインタラクティブタスクを提供します。
論文 参考訳（メタデータ） (2021-05-03T11:42:27Z)
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。