論文の概要: Typed Federated Artifacts for the Agentic Web:Sharing Tool-Routing Knowledge Across Frozen,Heterogeneous LLM Agents
- arxiv url: http://arxiv.org/abs/2609.06815v1
- Date: Sun, 06 Sep 2026 20:15:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.309214
- Title: Typed Federated Artifacts for the Agentic Web:Sharing Tool-Routing Knowledge Across Frozen,Heterogeneous LLM Agents
- Title（参考訳）: エージェントWebのための型付きフェデレーションアーティファクト:凍結・不均一LDMエージェント間のツールルーティング知識の共有
- Abstract要約: オープンでネットワーク化されたWebにより、エージェントは複数のベンダーからフリーズモデルを実行し、履歴をプライベートに保ち、どのツールを呼び出すかを教え合うことができる。
我々は、フィールドごとのプライバシ、紛争解決、クロスラベル転送のために、型付きフェデレーション、スキーマ検証オブジェクトを適切に定義したフィールドで共有することを提案する。
- 参考スコア（独自算出の注目度）: 10.938897404868044
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An open, networked web will allow agents to run frozen models from multiple vendors, keep their history private, and teach each other which tool to call and when. Flat text (prompts, example pools) makes it difficult for the protocol to distinguish between noise statistics, merging rules, and documentation. Weights and adapters cannot transfer that knowledge between platforms. We suggest sharing typed federated artifacts, schema-validated objects with well-defined fields for per-field privacy (described here, but measured), dispute resolution, and cross-model transfer, and instantiating them as SYNAPSE1, a common tool-routing knowledge. After deleting 192 garbage entries and 1,916 training items that duplicate or almost duplicate test queries, a federated compendium routes within 1.1 points of a centralized one at 20 MB of JSON per client each round on StableToolBench (3,180 tools). The same experience merged and shown to the router as typed fields rather than one flat string is worth 8.5 points on clean data and 7.4 under 60% injected contradiction. Crossing merge and rendering shows the halves are inseparable (the typed merge shown flat is the worst arm), while three conflict policies are indistinguishable, so the conflict log that motivated this work is not the On τ-bench retail, each compendium arm improves GPT-4o agents' per-step tool-call accuracy by at least 6.7 points, attributed to format rather than federated experience. Two cautionary findings conclude the paper: on a topic-labeled math proxy and StableToolBench, a TF-IDF classifier over the same labeled experience beats every LLM routing arm (by 48 and 26 points, mostly retrieval recall) because the benchmark's pool holds labeled queries for every supposedly unseen tool and every test query verbatim before our filter. It cannot measure routing to tools without labels, which routing exists for.
- Abstract（参考訳）: オープンでネットワーク化されたWebにより、エージェントは複数のベンダーからフリーズモデルを実行し、履歴をプライベートに保ち、どのツールを呼び出すかを教え合うことができる。
フラットテキスト(プロンプト、サンプルプール)は、ノイズ統計、ルールのマージ、ドキュメントの区別が難しい。
ウェイトとアダプタはプラットフォーム間でその知識を転送することはできない。
我々は、型付きフェデレーション、スキーマ検証されたオブジェクトをフィールドごとのプライバシ(詳細はここに記述されているが、計測されている)、紛争解決、およびモデル間転送のために適切に定義されたフィールドで共有することを提案し、それらを共通ツールルーティングの知識であるSynAPSE1としてインスタンス化する。
192のガベージエントリと1,916のトレーニング項目が重複あるいはほぼ重複したテストクエリを削除した後、フェデレートされたコンペンジウムは、各ラウンドのStableToolBench (3,180ツール)上で、クライアント毎のJSONの20MBに集約された1.1ポイント以内をルートする。
1つの平らな文字列ではなく、型付きフィールドとしてルータにマージされて表示されたのと同じエクスペリエンスは、クリーンなデータに対して8.5ポイント、60%のインジェクトされた矛盾に対して7.4ポイントである。
交差するマージとレンダリングは、ハーフが分離できない(フラットに示される型付けされたマージは最悪のアームである)ことを示しているが、3つの競合ポリシーは区別できないため、この作業の動機となった競合ログはOn τ-benchではなく、各コンペンジウムアームは、GPT-4oエージェントのステップ毎のツールコール精度を少なくとも6.7ポイント改善し、フェデレートされた経験よりもフォーマットによるものである。
トピックラベル付き数学プロキシとStableToolBenchでは、同じラベル付き体験上のTF-IDF分類器が全てのLSMルーティングアーム(48から26ポイント、主にリカバリリコール)を破ります。
ラベルなしでツールへのルーティングを測定することはできない。
関連論文リスト
- IBIB: A Protocol for Measuring Enterprise AI Systems by Serving Route, Not Model Identifier [0.0]
監査された18のベンチマークはすべて、広告付きモデルの識別子をスコア付けする。
ゴールドブラインド機能バインディングプレフライトは、どのタスクが到達する前に、ルートが評価契約を実行可能であることを確認する。
信頼性非包括的なファーストパススコアリングルールは、有効性を保ちながらスコアの失敗を維持する。
論文 参考訳（メタデータ） (2026-09-09T17:31:29Z) - Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。
反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
論文 参考訳（メタデータ） (2026-09-02T08:10:22Z) - Public-Sharing Labels and Verbatim Field Egress in an MCP-to-A2A Agent Configuration: A Controlled Multi-Model Study [0.0]
Model Context Protocolツールの使用のために別々に評価され、Agent2Agent(A2A)デリゲートは、エージェントが両方を使用するときの振る舞いを記述する必要はない。
一つの制御されたMCP-to-A2A構成でそのような挙動を計測する。
論文 参考訳（メタデータ） (2026-09-01T16:24:11Z) - Joint Optimization of Tool Creation and Use for Large Language Model Agents [69.07066297088187]
SMITH (-grounded Multi-task Iterative Tool Honing) は、単一のポリシー内でツールの作成とツールの使用を訓練する。
SMITHで訓練された4B Qwen3は、正確に検証された13の手続き的推論タスクで、保持されたタスクで平均79.8のマクロ平均精度に達する。
また、TabMWP-Hardでは40.4、ドメイン外のGQAでは42.6に到達している。
論文 参考訳（メタデータ） (2026-08-25T13:59:34Z) - WorkSurface-Bench: Benchmarking Enterprise Agents on Multi-Surface Knowledge Routing [10.956110208321556]
我々は、この機能を表面ルーティングとして評価するためのベンチマークであるWorkSurface-Benchを紹介した。
これは、ペルソナスコープワークスペース-ベンチライトワークスペースから派生した1,151のアトミックタスクを含んでいる。
我々は、6つの制御されたエージェント設定で4つのモデルバックボーンを評価し、27,624個のプロトコルエラーフリーなトラジェクトリを得た。
論文 参考訳（メタデータ） (2026-07-28T14:19:59Z) - 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) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - AdversaBench: Automated LLM Red-Teaming with Multi-Judge Confirmation and Cross-Model Transferability [16.27940179594792]
AdversaBenchは、5つの構造化演算子でシードプロンプトをミュートするエンドツーエンドの赤チームパイプラインである。
本報告では, 推論, 指示追従, ツール利用の3つのカテゴリにまたがる45種の種子について実験を行った。
論文 参考訳（メタデータ） (2026-06-23T13:50:51Z) - How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - Semantic Layers for Reliable LLM-Powered Data Analytics: A Paired Benchmark of Accuracy and Hallucination Across Three Frontier Models [0.0]
解析データベースの自然言語クエリ用にデプロイされたLLMは、2つの障害に悩まされる。
ClickHouseのCleaned Contoso Retailデータセットに対して,100の自然言語質問に対して,3つのフロンティアLSMをベンチマークした。
論文 参考訳（メタデータ） (2026-04-28T02:53:23Z) - Mapping Smarter, Not Harder: A Test-Time Reinforcement Learning Agent That Improves Without Labels or Model Updates [1.6440434996206623]
Enterprise Intelligence Platformは多くのサードパーティベンダのログを統合する必要がある。
ベンダーのドキュメンテーションはテスト時に利用できないことが多い。
ラベル付き例を使わずに自己改善できる強化学習エージェントを提案する。
論文 参考訳（メタデータ） (2025-10-16T17:17:00Z) - Omni-DETR: Omni-Supervised Object Detection with Transformers [165.4190908259015]
我々は、ラベルなし、完全ラベル付き、弱ラベル付きアノテーションを使用できるOmni教師付きオブジェクト検出の問題を考察する。
この統一アーキテクチャの下では、異なる種類の弱いラベルを利用して正確な擬似ラベルを生成することができる。
弱いアノテーションは検出性能を向上させるのに役立ち、それらの混合はアノテーションのコストと精度のトレードオフを改善することができる。
論文 参考訳（メタデータ） (2022-03-30T06:36:09Z)
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。