論文の概要: Diamond Agent: Agentic Control of Federated HPC Resources as a Service
- arxiv url: http://arxiv.org/abs/2609.06181v1
- Date: Sat, 05 Sep 2026 16:52:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.213692
- Title: Diamond Agent: Agentic Control of Federated HPC Resources as a Service
- Title（参考訳）: ダイヤモンド・エージェント:フェデレートHPC資源のサービスとしてのエージェント制御
- Abstract要約: ダイアモンドエージェント(Diamond Agent)は、ヘテロジニアスクラスタ上でのHPCのインテリジェントな実行を可能にするエージェントシステムである。
集中型ダイアモンドエージェントインスタンスは、ログインノードごとに個別にデプロイされることなく、複数のスーパーコンピュータを操作することができる。
- 参考スコア（独自算出の注目度）: 15.53228731596809
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Efficiently aggregating and orchestrating computing power across heterogeneous clusters for HPC workflows faces four practical challenges: preserving workflow context across independently administered clusters, moving large datasets between sites, reasoning about site-specific environments and scheduler policies, and exploiting live queue and resource states for efficient task scheduling. To this end, we design Diamond Agent, an agentic system that enables intelligent execution of HPC workflows across heterogeneous clusters with typed skills as the interface. Diamond Agent provides an agent-facing workspace and skills that unify cross-site resource discovery, resource specification, data movement, task execution, and result retrieval. A centralized Diamond Agent instance can operate multiple supercomputers without being deployed separately on each login node. Diamond Agent translates high-level agent actions into valid site-specific executions, moves data through Globus Transfer, and uses live system capability and queue information to select feasible placements. Its event-driven continuation mechanism decouples agent actions from long-running batch jobs: persistent services monitor remote execution and resume the agent only when a result or decision-relevant event is available. We experiment with 27 hours of telemetry and 19 matched multi-site submission rounds comprising 83 jobs across four production supercomputers. Compared with a fixed-site baseline, Diamond Agent reduces the median additional completion time relative to the fastest observed placement from 42 seconds to 4 seconds, a 10.5x reduction.
- Abstract（参考訳）: HPCワークフローのための異種クラスタ間のコンピューティングパワーの効率的な集約とオーケストレーションは、独立して管理されたクラスタ間でワークフローコンテキストを保存すること、サイト間で大きなデータセットを移動すること、サイト固有の環境とスケジューラポリシーを推論すること、効率的なタスクスケジューリングのためにライブキューとリソース状態を活用することの4つの実践的な課題に直面します。
この目的のためにダイアモンドエージェントを設計し,ヘテロジニアスクラスタをまたいだHPCワークフローのインテリジェントな実行を可能にするエージェントシステムを構築した。
Diamond Agentは、クロスサイトリソース発見、リソース仕様、データ移動、タスク実行、結果検索を統合するエージェント対応のワークスペースとスキルを提供します。
集中型ダイアモンドエージェントインスタンスは、ログインノードごとに個別にデプロイされることなく、複数のスーパーコンピュータを操作することができる。
Diamond Agentは、高レベルのエージェントアクションを有効なサイト固有の実行に変換し、Globus Transferを通じてデータを移動し、ライブシステム機能とキュー情報を使用して実行可能な配置を選択する。
永続サービスはリモート実行を監視し、結果または決定関連イベントが利用可能である場合にのみエージェントを再開する。
我々は,27時間のテレメトリと,4台のスーパーコンピュータで83ジョブからなる19のマッチング多地点提出ラウンドを実験した。
固定サイトベースラインと比較すると、ダイアモンド・エージェントは観測された最も速い位置に対する平均的な追加完了時間を42秒から4秒に短縮し、10.5倍に短縮する。
関連論文リスト
- DuMateBench: Evaluating Autonomous Agents in Complex Real-World Workflows [69.12339622053588]
我々はDuMateBenchを紹介した。DuMateBenchは匿名化およびプライバシスクリーニングによるユーザセッションから再構築されたリアルセッションベンチマークである。
結果として得られたベンチマークは、8つの広いシナリオにまたがる200のタスクと、17のきめ細かい機能カテゴリで構成されている。
これらのタスクは、Isufficient、Unstable、Noisyの3種類の環境複雑性を注入した、分離されたDockerコンテナで実行します。
論文 参考訳（メタデータ） (2026-08-27T02:36:23Z) - Multi-Agent Computer Use [72.79887808312706]
我々はマルチエージェント・コンピュータ・ユース(MACU)システムの評価・構築に向けて進むべきであると論じる。
本稿では、マネージャモデルがコンピュータ使用タスクを有向非巡回グラフ(DAG)として分解する汎用マルチエージェント構成を提案する。
各イテレーションで、マネージャは並列CUAサブエージェントをディスパッチし、DAGの準備ができているフロンティアでノードを実行する。
論文 参考訳（メタデータ） (2026-06-01T01:29:36Z) - AgentFugue: Agent Scaling for Long-Horizon Tasks through Collective Reasoning [57.72181998599248]
AgentFugueは、共通の推論ハブを中心に構築された、集合的推論フレームワークである。
ピアエージェントが同じタスクを並列に探索する際、ハブは各エージェントが何を確立、試み、あるいは除外したかを簡潔に記録する。
この結果から,集団推論によってピアエージェントシステムのスケールアウトが実現可能であることが示唆された。
論文 参考訳（メタデータ） (2026-05-23T09:21:51Z) - Hive: A Multi-Agent Infrastructure for Algorithm- and Task-Level Scaling [4.857151634248649]
大規模言語モデルは、タスクの複雑さに合わせてスケールする複雑なエージェントシステムとして、ますます多くデプロイされている。
アルゴリズムレベルでは、追加の推論時間の割当はワークフローのキャパシティを向上させるが、パス間の冗長性を導入する。
タスクレベルでは、複雑なタスクはサブプロブレムに分解でき、スケーラビリティと並列性を改善するために複数のエージェントに委譲される。
アルゴリズムとタスクレベルのスケーリングを可能にするマルチエージェントインフラストラクチャであるHiveを提案する。
論文 参考訳（メタデータ） (2026-04-19T09:59:35Z) - AgentRL: Scaling Agentic Reinforcement Learning with a Multi-Turn, Multi-Task Framework [76.96794548655292]
大規模言語モデル(LLM)は、オンラインインタラクションを通じて学習できる汎用エージェントの構築への関心が高まっている。
マルチターンでLLMエージェントをトレーニングするために強化学習(RL)を適用することで、スケーラブルなインフラストラクチャと安定したトレーニングアルゴリズムが欠如しているため、マルチタスク設定は依然として困難である。
本稿では、スケーラブルなマルチターンマルチタスクエージェントRLトレーニングのためのAgentRLフレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-05T13:40:01Z) - Scaling Synthetic Task Generation for Agents via Exploration [67.70129766322985]
対話型エージェントを構築するための訓練後のマルチモーダル大言語モデル(MLLM)は、コンピュータ利用、Webナビゲーション、ロボット工学といった分野にまたがる約束を守る。
タスク生成のための既存のアプローチは、ダウンストリーム環境情報に制限のある人間のアノテーションやMLLMのプロンプトに大きく依存している。
本稿では,タスク生成のためのスケーラブルなパイプラインであるAutoPlayについて紹介する。
論文 参考訳（メタデータ） (2025-09-29T17:00:02Z) - AgentSynth: Scalable Task Generation for Generalist Computer-Use Agents [60.881609323604685]
Agent Synthはスケーラブルで費用効率のよいパイプラインで、高品質なタスクとトラジェクトリデータセットを自動的に合成する。
我々のパイプラインは1軌道あたりの平均コストが0.60ドルで、人間のアノテーションよりも桁違いに安い。
論文 参考訳（メタデータ） (2025-06-17T05:46:52Z) - Agent-as-a-Service based on Agent Network [9.5094423572869]
本稿では,RGPS(Role-Goal-Process-Service)標準に基づくサービス指向パラダイムであるエージェントネットワーク(A-AN)に基づくエージェント・アズ・ア・サービスを提案する。
A-ANは、構築、統合、相互運用性、ネットワーク化されたコラボレーションを含む、エージェントライフサイクル全体を統一する。
我々は,MASにおける長鎖協調の今後の研究を促進するために,1万個の長軸マルチエージェントを含むデータセットをリリースする。
論文 参考訳（メタデータ） (2025-05-13T11:15:19Z) - Iterative Tool Usage Exploration for Multimodal Agents via Step-wise Preference Tuning [68.00304954972232]
コントローラ、例えば視覚言語モデルと外部ツールを統合するマルチモーダルエージェントは、複雑なマルチモーダルタスクに対処する際、顕著な能力を示した。
これらのエージェントを訓練するための既存のアプローチは、広範囲なヒューマン・アノテートされたタスク・アンサー・ペアとツール・トラジェクトリに依存している。
本研究では,事前に収集したデータのないマルチモーダルエージェント,すなわち SPORT の反復ツール利用探索手法を提案する。
Sportには、タスク合成、ステップサンプリング、ステップ検証、優先度調整の4つの反復的なコンポーネントがある。
論文 参考訳（メタデータ） (2025-04-30T12:01:27Z) - Agent S: An Open Agentic Framework that Uses Computers Like a Human [31.16046798529319]
我々は、GUI(Graphical User Interface)を通じてコンピュータとの自律的なインタラクションを可能にするオープンエージェントフレームワークであるAgent Sを提案する。
Agent Sは、ドメイン固有の知識の取得、長いタスクの水平線の計画、動的で一様でないインターフェイスの処理という、コンピュータタスクの自動化における3つの重要な課題に対処することを目指している。
論文 参考訳（メタデータ） (2024-10-10T17:43:51Z) - VillagerAgent: A Graph-Based Multi-Agent Framework for Coordinating Complex Task Dependencies in Minecraft [46.19145184507293]
我々は,複雑なエージェント間の依存関係を解決するために,非巡回グラフ多エージェントフレームワーク VillagerAgent を導入する。
VillagerBenchに関する実証的な評価は、VillierAgentが既存のAgentVerseモデルより優れていることを示す。
論文 参考訳（メタデータ） (2024-06-09T10:21:47Z)
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。