論文の概要: Resource Constraints and Performance in Agentic AI Systems
- arxiv url: http://arxiv.org/abs/2608.27886v1
- Date: Fri, 28 Aug 2026 03:49:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.197678
- Title: Resource Constraints and Performance in Agentic AI Systems
- Title（参考訳）: エージェントAIシステムにおける資源制約と性能
- Abstract要約: 我々は、OpenClawとNanoBotを、ペアプライマリベンチマークとより詳細なペアプロンプトのサブセットを使用して、完全なエージェントシステムとして比較する。
一方、NanoBotは43%のプロンプトで少なくとも部分的に完了し、OpenClawでは26%だった。
OpenClawは83%のプロンプトに長かかり、各プロンプトに記録されたピークメモリ値も高く、壁の平均比は2.98でピークメモリは19.44だった。
- 参考スコア（独自算出の注目度）: 1.2234742322758418
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Progress toward more autonomous AI increasingly depends on agentic systems that combine a language model with tools, memory, state management, and multi-step execution. These mechanisms shape both task capability and operational burden. We compare OpenClaw and NanoBot as complete agentic systems using a paired primary benchmark and a more detailed instrumented subset of paired prompts. In the primary benchmark, the rate of full task completion was 31% for OpenClaw and 25% for NanoBot, a six-percentage-point difference with a 95% task-bootstrap interval from -3 to 15 percentage points, providing no statistically established full-completion advantage for either system. In the instrumented layer, both systems achieved 26% full completion, while NanoBot reached at least partial completion on 43% of prompts compared with 26% for OpenClaw. OpenClaw took longer on 83% of prompts and had a higher recorded peak-memory value on every prompt, with geometric mean ratios of 2.98 for wall time and 19.44 for peak memory. Among the ten detailed-layer prompts on which at least one system achieved partial or full completion, NanoBot weakly dominated on eight; across all 23 prompts, however, ten of its eighteen dominance cases were cheaper joint failures. Outcome labels differ across the two evidence layers, showing why agent-system evaluation should connect capability and resource measurements to attempt-level execution and scoring provenance. These findings show that progress toward more autonomous AI should be evaluated through verified task completion, observed resource use and records linking each result to the execution that produced it.
- Abstract（参考訳）: より自律的なAIへの進歩は、言語モデルとツール、メモリ、状態管理、マルチステップ実行を組み合わせたエージェントシステムにますます依存しています。
これらのメカニズムは、タスク能力と運用上の負担の両方を形作る。
我々は、OpenClawとNanoBotを、ペアプライマリベンチマークとより詳細なペアプロンプトのサブセットを使用して、完全なエージェントシステムとして比較する。
主要なベンチマークでは,OpenClaw が31%,NanoBot が25%,タスクブートストラップ間隔が 95% のタスクブートストラップ間隔が -3 から 15 ポイント に 6 パーセントの差があり,どちらのシステムにも統計的に確立された完全補完効果は得られなかった。
一方、NanoBotは43%のプロンプトで少なくとも部分的に完了し、OpenClawでは26%だった。
OpenClawは83%のプロンプトに長かかり、各プロンプトに記録されたピークメモリ値も高く、壁の平均比は2.98でピークメモリは19.44だった。
少なくとも1つのシステムが部分的にまたは完全な完成を達成した10の詳細なプロンプトのうち、NanoBotは8つのプロンプトで弱かった。
成果ラベルは2つのエビデンス層で異なり、なぜエージェントシステム評価が能力とリソース測定を、試行レベルの実行と評価結果に結びつけるべきかを示している。
これらの結果から、より自律的なAIへの進歩は、検証されたタスク完了、観察されたリソース使用、そしてその結果を生成した実行にリンクする記録を通じて評価されるべきであることが示された。
関連論文リスト
- SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - Qwen-CUA: Native Computer Use for (almost) Everything [104.78368489343713]
本稿では,Qwen-CUAについて紹介する。
DOMツリー、アクセシビリティメタデータ、タスク固有のAPIなしで、スクリーンショットのみを観察し、キーボードやマウスのイベントを通じて動作します。
足場は最大20個のアクティブなスクリーンショットを保持し、最近の証拠を保持するために固定サイズのブロックで古い視覚履歴を折り畳む。
論文 参考訳（メタデータ） (2026-08-03T15:04:20Z) - DeepResearch Agent System [0.919770842662809]
DeepResearch Agent Systemは、ディープ情報検索、多段階推論、自律的な研究タスクのために設計された、大規模な言語モデルシステムである。
システムは128Kのコンテキストウィンドウをサポートし、18.7%の精度と23.4%のリコール改善をもたらす階層的な注意機構を備えている。
システムは、データ合成、トレーニング、推論コードを含む完全にオープンソースであり、学術研究、ビジネス分析、研究開発支援、教育の応用をサポートする。
論文 参考訳（メタデータ） (2026-07-30T01:15:47Z) - ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory [43.813389494890856]
ABot-AgentOSは、低レベルコントローラの上に位置する一般的なロボットエージェントオペレーティングシステムである。
シーンコンディショニング、コンテキストアイソレーションされたスキル実行、マルチステージ検証、マルチモーダルメモリ、エッジクラウドコラボレーションのためのデリバティブなエージェント層を提供する。
論文 参考訳（メタデータ） (2026-07-11T15:24:43Z) - From Technical Metrics to User Perception: A User Study of a Multimodal Human-Robot Interaction System for Object Detection and Grasping [11.17111944571978]
本稿では、エンド・ツー・エンドのタスク成功における15パーセントの利得が、ユーザ知覚の一貫性と測定可能な相違をもたらすのに十分かどうかを検討する。
ベースラインシステムは、音声認識用Whisper、オープン語彙オブジェクト検出用Florence-2、アクション抽出用LLaMA 3.1、動作実行用インターバル型2ファジィロジックコントローラを組み合わせる。
論文 参考訳（メタデータ） (2026-07-01T07:19:00Z) - Inductive Deductive Synthesis: Enabling AI to Generate Formally Verified Systems [100.24694338574402]
本稿では,インダクティブ・デダクティブ・シンセシス(IDS)について述べる。
IDSは約6.8時間で7/7を達成し、1仕様あたり106ドル、専門家の努力の約200倍、SOTAエージェントの約17%を達成している。
IDSはパフォーマンスフィードバックを同じループに組み込んでおり、検証されたシステムよりも最大3倍高速な実装を実現している。
論文 参考訳（メタデータ） (2026-05-22T00:05:36Z) - Atomic-Probe Governance for Skill Updates in Compositional Robot Policies [15.314555403098318]
スキルが置き換えられると、構成結果がどのように変化するかを分析する。
提案手法は原子品質プローブとハイブリッドセレクタで, スキルごとのプローブと選択合成の検証を組み合わせたものである。
原子品質調査は、私たちの知る限り、構成ロボットポリシーにおけるスキル更新管理のための第一原理で、デプロイ可能なプリミティブです。
論文 参考訳（メタデータ） (2026-04-29T13:56:11Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z) - Penetration Testing of Agentic AI: A Comparative Security Analysis Across Models and Frameworks [0.0]
Agentic AIは、従来のLLMセーフガードが対処できないセキュリティ脆弱性を導入する。
エージェントAIシステムの最初の体系的テストと比較評価を行う。
新たな「ハロシントコンプライアンス」戦略を含む6つの防衛行動パターンを同定する。
論文 参考訳（メタデータ） (2025-12-16T19:22:50Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - UltraCUA: A Foundation Model for Computer Use Agents with Hybrid Action [77.63125913907771]
本稿では,GUIプリミティブと高レベルのプログラムツールコールのギャップを埋める基盤モデルであるUltraCUAを提案する。
7Bおよび32Bモデルによる実験は、最先端のエージェントよりも大幅に改善されている。
論文 参考訳（メタデータ） (2025-10-20T17:48:26Z) - Merging Experts into One: Improving Computational Efficiency of Mixture
of Experts [71.44422347502409]
スパースミキチャー・オブ・エキスパート(MoE)は、パラメータの小さなサブセットをアクティベートすることでコストを削減することができる。
計算コストを大幅に高めることなく、より多くの専門家を追加するという利点を維持できるだろうか?
そこで我々は,textbftexttMerging Experts into One (MEO) という計算効率のよい手法を提案する。
論文 参考訳（メタデータ） (2023-10-15T13:28:42Z)
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。