論文の概要: GOD: Govern, Observe, and Direct - A Real-Time Control Room for Agent Societies
- arxiv url: http://arxiv.org/abs/2608.27992v1
- Date: Fri, 28 Aug 2026 06:59:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.232977
- Title: GOD: Govern, Observe, and Direct - A Real-Time Control Room for Agent Societies
- Title（参考訳）: GOD: Govern, Observe, and Direct - エージェントソシエティのためのリアルタイムコントロールルーム
- Abstract要約: GODはエージェント・ソサエティのための地域第一のコントロール・ルームである。
同じブラウザワークフローから、オペレータはターゲットの質問や介入を発行し、その結果のリプレイ状態を検査することができる。
このシステムはセットアップウィザード、Agent Studio、Map Studio、空間リプレイインターフェース、AskとInterveneコマンド、ポータブルな実験、マップ、エージェントパックを組み合わせる。
- 参考スコア（独自算出の注目度）: 0.13750624267664155
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative-agent systems are easier to start than to inspect. A run can contain many agents, locations, messages, commands, and model calls, yet the operator often gets either a finished replay or raw logs. That makes it hard to ask why an agent moved, test a small intervention, or package a run for another researcher. GOD is a local-first control room for agent societies. From the same browser workflow, an operator can issue targeted questions or interventions and inspect the resulting replay state. The system combines a setup wizard, Agent Studio, Map Studio, a spatial replay interface, Ask and Intervene commands, and portable experiment, map, and agent packs. Its technical contribution is the command and artifact loop: live controls and replay evidence share the same operator command model, while package contracts separate scenario, map, and profile data from local runtime state. The public release includes hosted Smallville-style and PKU replays, the open-source repository, and downloadable packs. We evaluate this path on 15 completed run slots. Across the 14 intervention runs, 78 of 84 target-agent checks recorded the commanded destination, and 169 of 182 state answers matched a saved location or action string.
- Abstract（参考訳）: 生成エージェントシステムは、検査よりも開始が簡単です。
実行には、多くのエージェント、場所、メッセージ、コマンド、モデル呼び出しを含むことができるが、オペレータは多くの場合、完了したリプレイまたは生ログを取得する。
そのため、なぜエージェントが移動したのか、小さな介入をテストしたのか、あるいは別の研究者のためにランニングをパッケージしたのかを尋ねるのは困難である。
GODはエージェント・ソサエティのための地域第一のコントロール・ルームである。
同じブラウザワークフローから、オペレータはターゲットの質問や介入を発行し、その結果のリプレイ状態を検査することができる。
このシステムはセットアップウィザード、Agent Studio、Map Studio、空間リプレイインターフェース、AskとInterveneコマンド、ポータブルな実験、マップ、エージェントパックを組み合わせる。
ライブコントロールと再生エビデンスは同じオペレータのコマンドモデルを共有し、パッケージはローカルランタイム状態からシナリオ、マップ、プロファイルデータを分離する。
パブリックリリースには、ホストされたSmallvilleスタイルとPKUリプレイ、オープンソースリポジトリ、ダウンロード可能なパックが含まれている。
この経路を15個のランニングスロットで評価する。
14回の介入の実行中、84件のターゲットエージェントチェックのうち78件が指示された目的地を記録し、182件の回答のうち169件が保存された場所または行動文字列と一致した。
関連論文リスト
- Agent ATO: Visualizing Agent Interaction Timelines from Logs [1.5639957559514246]
Agent ATOは、コンソールログからAIコーディングエージェントのインタラクションタイムラインを視覚化するツールである。
全インタラクションタイムラインに加えて、ATOはファイル発見、ファイル読み込み、ファイル編集、実行を重視したフィルタリングタイムラインを提供する。
論文 参考訳（メタデータ） (2026-09-08T06:22:44Z) - Dr. Claw: An AI Scientist Workspace for Vibe Research [64.18459471289147]
Claw博士はオープンソースのワークスペースで、既存のコーディングエージェントエグゼキュータを制御可能なヒューマン・イン・ザ・ループワークフローでラップする。
永続状態オブジェクト、再利用可能なスキルライブラリ、マルチエグゼクティブコーディネーションは、人間の決定とAIの実行を結びつける。
Claw博士は、監査可能な、回復可能なプロセストレイルを維持しながら、研究の完全性により高いスコアを付けます。
論文 参考訳（メタデータ） (2026-08-31T20:58:47Z) - AgentLogs: A Dataset for Opening the Black Box of GitHub's Cloud Agent [0.8644909837301148]
AgentLogsは、GitHub上のエージェントアクティビティの大規模なデータセットである。
307,416のエージェントタスクと,1,812,362のパブリックリポジトリの35,810の549,239のエージェントセッションで構成されている。
論文 参考訳（メタデータ） (2026-08-29T11:38:19Z) - Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories [0.0]
永続コンテキストファイル(AGENTS.md, CLAUDE.md)は、AIコーディングエージェントを誘導する標準的な慣行であるが、それらの効果の証拠は矛盾している。
我々は2つのフロンティアエージェント(Claude Code と Codex)間のコンテキスト注入戦略の制御されたアブレーションを示す。
論文 参考訳（メタデータ） (2026-07-28T11:07:53Z) - StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents [55.650871465979066]
StateActはコードファーストでマルチエージェントのハーネスであり、この区別に基づいて構築されている。
そのメインエージェントは、コードを使用してプログラム状態と直接連携する。
専用のGUIサブエージェントは、必要ないくつかのサブゴールでスクリーンショットとクリックのインタラクションを処理する。
論文 参考訳（メタデータ） (2026-07-24T14:17:03Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - Capable but Careless: Do Computer-Use Agents Follow Contextual Integrity? [54.701199583505144]
アプリケーション間アクセスは、ほとんど見落とされたプライバシーリスクを生み出す。
我々はAgentCIBenchを紹介します。これは、このリスクを決定論的に評価されたシナリオに変換する評価ハーネスです。
我々は15のフロンティアエージェントを評価し、驚くほど高い失敗率を見出す。
論文 参考訳（メタデータ） (2026-06-22T11:36:58Z) - OpenRath: Session-Centered Runtime State for Agent Systems [2.9568259440852]
OpenRathはマルチエージェント・マルチセッションシステムのためのPyTorchのようなプログラミングモデルである。
セッションはブランチ可能、検査可能、再生可能、バックエンド対応、構成可能である。
レポートは、プログラミングモデル、アーキテクチャ、監査されたマイルストーン、エビデンスプロトコルを提示する。
論文 参考訳（メタデータ） (2026-06-17T15:19:19Z) - Agent libOS: A Library-OS-Inspired Runtime for Long-Running, Capability-Controlled LLM Agents [0.6345523830122165]
大規模言語モデル(LLM)エージェントは、要求応答アシスタントから長期実行中のソフトウェアアクターへと進化している。
本稿では,LLMエージェントのためのライブラリOSをベースとしたランタイム基板であるAgens libOSを提案する。
論文 参考訳（メタデータ） (2026-06-02T16:53:24Z) - Syll: Open-Source Personal Automation with Cross-Surface Execution [73.77463150026068]
オープンソースで自己ホスト型マルチモーダルエージェントであるSyllを紹介します。
Syllは、MPP/APIツール、CLI実行、モジュールランタイムでのビジュアルコントロールを統合する。
私たちの実装は、Adobe Photoshop、Adobe Audition、Stardew Valley、Finderなどのプロダクションデスクトップアプリケーションで検証されています。
論文 参考訳（メタデータ） (2026-05-28T17:59:31Z) - PocketAgents: A Manifest-Driven Library of Autonomous Defense Agents [0.589889361990138]
本稿では,自律型防衛エージェントのマニフェスト駆動型ライブラリであるPocketAgentsを紹介する。
各エージェントは、マニフェスト、プロンプト、ランタイムコンテキストの3つのデータファイルとしてインストールされる。
実験により、型付き境界はLLM駆動の防御を測定可能で、測定可能で、帰属可能であることが示された。
論文 参考訳（メタデータ） (2026-05-20T19:52:24Z) - WildClawBench: A Benchmark for Real-World, Long-Horizon Agent Evaluation [88.10947115397971]
この研究でWildClawBenchは、6つのテーマのカテゴリにまたがる60の人間によるバイリンガルなマルチモーダルタスクのネイティブランタイムベンチマークである。
各タスクは、約8分間のウォールクロック時間と20以上のツールコールで実行されます。
グラディングはハイブリッドであり、決定論的ルールベースのチェック、副作用の環境状態監査、意味的検証のためのLLM/VLM判定を組み合わせている。
論文 参考訳（メタデータ） (2026-05-11T17:49:43Z) - AgentWall: A Runtime Safety Layer for Local AI Agents [0.0]
AgentWallは、ローカルAIエージェントのランタイム安全性と可観測性レイヤである。
ホスト環境に到達する前に提案されたすべてのエージェントアクションをインターセプトし、明示的な宣言的なポリシーで評価し、機密性の高い操作に対して人間の承認を必要とし、監査と再生のための完全な実行パスを記録します。
本稿では,AgentWallの設計,アーキテクチャ,脅威モデル,およびポリシーモデルについて述べる。
論文 参考訳（メタデータ） (2026-03-24T11:39:35Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z)
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。