論文の概要: AGENT-O: A Semantic Agent Card Framework for Interoperable and Governed Healthcare AI Agents
- arxiv url: http://arxiv.org/abs/2608.28345v1
- Date: Fri, 28 Aug 2026 13:59:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-31 17:16:04.345024
- Title: AGENT-O: A Semantic Agent Card Framework for Interoperable and Governed Healthcare AI Agents
- Title（参考訳）: Agent-O: 相互運用および管理された医療AIエージェントのためのセマンティックエージェントカードフレームワーク
- Abstract要約: Agent-Oは、ランタイム、モデル、ワークフロー、ツール、臨床使用、評価、証明、ガバナンス、レポートアセスメントを含む2/RDFオントロジーとして開発された。
オントロジーは1,962のRDF三重項と1,922のプロテゲ公理を持ち、252の活性クラス、198の活性物体特性、51のデータ型特性を持つ。
Agent-Oは、評価-特定ギャップを明らかにしながら、セマンティックカードの表現とレポートアセスメントをサポートした。
- 参考スコア（独自算出の注目度）: 2.390874670276871
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AGENT-O is a modular ontology framework that defines a semantic Agent Card for representing health-oriented AI agent systems and supports assessment of reporting completeness in scientific publications. AGENT-O was developed as an OWL 2/RDF ontology covering runtime, models, workflow, tools, clinical use, evaluation, provenance, governance, and reporting assessment. Evaluation included ontology inventory, OWL-RL reasoning, three SHACL suites, 12 SPARQL competency queries, three cases, and model-assisted reporting-completeness assessment of 279 papers across five dimensions. The ontology contained 1,962 RDF triples and 1,922 Protege axioms, with 252 active classes, 198 active object properties, and 51 datatype properties. All SHACL suites conformed on example graphs, all competency queries returned prespecified evidence, and all 279 papers were scored. Incomplete reporting was highest for runtime/architecture (84.6%), governance/safety (82.8%), and provenance/reproducibility (78.1%), compared with evaluation (25.8%) and benchmark-process alignment (29.8%). AGENT-O supported semantic Agent Card representation and reporting assessment while revealing an evaluation-specification gap: evaluation and benchmark procedures were reported more consistently than runtime architecture, governance, and reproducibility. AGENT-O provides a reusable ontology, semantic Agent Card profile, and reporting-completeness workflow for structured reporting and gap identification, but does not assess agent quality or deployment readiness.
- Abstract（参考訳）: Agent-Oは、健康指向AIエージェントシステムを表現するためのセマンティックエージェントカードを定義するモジュールオントロジーフレームワークであり、科学出版物の報告完全性の評価をサポートする。
Agent-OはOWL 2/RDFオントロジーとして開発され、ランタイム、モデル、ワークフロー、ツール、臨床使用、評価、証明、ガバナンス、レポートアセスメントをカバーしている。
評価には、オントロジーインベントリ、OWL-RL推論、3つのSHACLスイート、12のSPARQLコンピテンシークエリ、3つのケース、および5次元にわたる279の論文のモデル支援報告完全性評価が含まれていた。
オントロジーは1,962のRDF三重項と1,922のプロテゲ公理、252の活性クラス、198の活性オブジェクト特性、51のデータ型特性を含む。
すべてのSHACLスイートはサンプルグラフに適合し、すべての能力クエリは所定の証拠を返却し、全ての279の論文が採点された。
不完全な報告は実行時/アーキテクチャ(84.6%)、ガバナンス/安全(82.8%)、証明/再現性(78.1%)、評価(25.8%)、ベンチマークプロセスアライメント(29.8%)で最高であった。
Agent-Oはセマンティックカードの表現と評価をサポートし、評価と特定のギャップを明らかにした:評価とベンチマーク手順はランタイムアーキテクチャ、ガバナンス、再現性よりも一貫して報告された。
Agent-Oは、再利用可能なオントロジー、セマンティックエージェントカードプロファイル、構造化レポートとギャップ識別のためのレポート完全性ワークフローを提供するが、エージェントの品質やデプロイメントの準備ができていない。
関連論文リスト
- Harbor Adapters and Harbor-Index: Infrastructure and a Curated Meta-Dataset for Large-Scale Agentic Evaluation [141.29138788636013]
任意のエージェントを評価するために80以上のベンチマークを移植するベンチマークアダプタを開発した。
54のベンチマークで,機能レベルにまたがる8モデルの大規模評価を行う。
私たちは29のベンチマークにまたがる82の難易度、多様性、高品質なタスクをキュレートしたHarbor-Indexを紹介します。
論文 参考訳（メタデータ） (2026-09-03T16:26:20Z) - A Multi-Agent Platform for Automated Enterprise Analytics and Insight Generation [0.0]
本稿では,CrewAIを用いた対話型ビジネスインテリジェンスのためのマルチエージェントフレームワークを提案する。
5つの専門的なAIエージェントがシーケンシャルパイプラインで動作し、自然言語クエリの処理、データの検索と分析、視覚化の生成、実行可能な洞察の提供を行う。
論文 参考訳（メタデータ） (2026-08-19T09:49:58Z) - Engineering Reliable Coding Agents: Evaluating and Operating the System Around the Model [0.0]
164の学術作品、100の実践記録、29のベンチマーク記録、17の著者・システム・ケース・レコードを合成する。
構造化されたマルチボーカルレビュー、ターゲットとする更新監査、ソフトウェアエンジニアリングカバレッジ分析、分散システムエビデンス合成として書かれた。
本は、深さ56の信頼性記録と13のリサーチリードを含む、バージョン管理された206の信頼性記録を寄稿している。
論文 参考訳（メタデータ） (2026-08-14T01:34:25Z) - Constructing Executable Analytical Knowledge Representations for Meta-Analysis Synthesis Using an Agentic Harness [2.2475456930413418]
EAKR(Executable Analytical Knowledge Representation)を紹介する。
EAKRは、構造化された証拠を実行可能なメタ分析に変換するのに必要な知識を表す。
58機にわたって、MetaSynDecは全てのEAKRを構築し、57機が統計的に実行された。
論文 参考訳（メタデータ） (2026-08-03T05:19:05Z) - PACE: A Proxy for Agentic Capability Evaluation [60.3743414796937]
PACEは、既存の非エージェント評価からインスタンスを選択することで、プロキシベンチマークを構築するフレームワークである。
14のモデル、4つのエージェントベンチマーク、19の非エージェントベンチマークによる実験では、PACE-Benchがエージェントスコアを予測し、LOOCVは絶対誤差(MAE)を4%以下、スピアマン相関は0.80以上、ペアワイズモデルの精度は85%で、いずれもエージェント評価コストの1%以下である。
論文 参考訳（メタデータ） (2026-07-02T10:59:03Z) - AgentBeats: Agentifying Agent Assessment for Openness, Standardization, and Reproducibility [104.46861849039357]
エージェントシステムはドメイン間で急速に進歩しているが、その評価は断片化されている。
根本的問題は、オープンでエージェントに依存しないアセスメントインタフェースがないことである。
我々は、審査員が評価を行い、すべての参加者が標準化されたプロトコルを介して対話するエージェントエージェントアセスメント(AAA)を提唱する。
論文 参考訳（メタデータ） (2026-06-11T17:23:54Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - Agentified Assessment of Logical Reasoning Agents [3.5548629490839594]
エージェント化された評価に基づいて、評価エージェントを使用してタスクを発行し、実行予算を強制し、アウトプットを解析し、構造化された障害タイプを記録します。
ケーススタディでは,FOLIOの一階述語論理(FOL)推論のための自動形式化エージェントのベンチマークを行った。
自動形式化剤は、アセスメントプロトコルの下で86.70%の精度を達成し、チェーンオブソートベースライン(73.89%)を上回っている。
論文 参考訳（メタデータ） (2026-03-03T09:26:08Z) - A Large-Language-Model Framework for Automated Humanitarian Situation Reporting [1.3800498036682856]
異質な人道的文書を構造化・根拠に基づく報告に変換する,完全に自動化された枠組みを提案する。
本システムは,セマンティックテキストクラスタリング,自動質問生成,引用による拡張回答抽出,多レベル要約,実行要約生成を統合している。
自然災害や紛争を含む13件の人道的イベントを対象とした枠組みを,ReliefWebなどの検証資料から1100件以上の資料を用いて評価した。
論文 参考訳（メタデータ） (2025-12-22T15:28:55Z) - VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。
セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。
平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
論文 参考訳（メタデータ） (2025-09-15T02:25:38Z) - Establishing Best Practices for Building Rigorous Agentic Benchmarks [94.69724201080155]
多くのエージェントベンチマークがタスク設定や報酬設計に問題があることを示す。
このような問題は、エージェントのパフォーマンスを最大100%相対的に過小評価することにつながる可能性がある。
我々はベンチマーク構築経験から要約したガイドラインの集合であるAgentic Benchmark Checklist (ABC)を紹介した。
論文 参考訳（メタデータ） (2025-07-03T17:35:31Z)
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。