論文の概要: Agentic Share-of-Search: A Multi-Agent AI System for Competitive Decision-Making in LLM-Mediated E-Commerce
- arxiv url: http://arxiv.org/abs/2609.11190v1
- Date: Thu, 10 Sep 2026 07:55:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.246123
- Title: Agentic Share-of-Search: A Multi-Agent AI System for Competitive Decision-Making in LLM-Mediated E-Commerce
- Title（参考訳）: Agentic Share-of-Search: LLMを利用したeコマースにおける競争的意思決定のためのマルチエージェントAIシステム
- Abstract要約: LLMを利用したeコマースにおける競合可視性測定と根本原因診断を自動化するマルチエージェントAIシステムを提案する。
このシステムは、決定対象としてAgentic Share-of-Search(ASoS)を導入し、主要なAIプラットフォームにクエリエージェントをデプロイし、ReActベースの診断エージェントを使用して、優先順位付けされたマーチャンディジン介入を推奨する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI shopping assistants increasingly redirect consumer discovery, creating an urgent need for tools that support seller-side competitive decision-making. We present a multi-agent AI system that automates competitive visibility measurement and root cause diagnosis in LLM-mediated ecommerce. The system introduces Agentic Share-of-Search (ASoS) as the decision target, deploys query agents across leading AI platforms, and uses a ReAct-based diagnostic agent to recommend prioritized merchandising interventions. A 100-trial ablation study, presented as a feasibility evaluation of this prototype, shows the agent recovers the ablated signal in 39% of trials (95% CI: 30.0% - 48.8%, 5.5x over chance), rising to 63.9% among high-correlation ablations.
- Abstract（参考訳）: AIショッピングアシスタントは、消費者の発見をリダイレクトし、売り手側の競争的意思決定をサポートするツールを緊急に必要とします。
LLMを利用したeコマースにおける競合可視性測定と根本原因診断を自動化するマルチエージェントAIシステムを提案する。
このシステムは、決定対象としてAgentic Share-of-Search(ASoS)を導入し、主要なAIプラットフォームにクエリエージェントをデプロイし、ReActベースの診断エージェントを使用して、優先順位付けされたマーチャンディジン介入を推奨する。
この試薬の実用性評価として提示された100心房アブレーション研究は、エージェントが試薬の39%(95% CI:30.0% - 48.8%, 5.5倍)でアブレーション信号を回復し、高相関アブレーションの63.9%まで上昇したことを示している。
関連論文リスト
- Plan First, Judge Later, Run Better: A DMAIC-Inspired Agentic System for Industrial Anomaly Detection [51.90293101535452]
本稿では, DMAIC-IAD (DMAIC-inspired Agentic Industrial Anomaly Detection) というマルチエージェントシステムを提案する。
DMAIC-IADは,適用対象のエージェントベースラインに対する平均検出性能を37.76%向上させる。
論文 参考訳（メタデータ） (2026-06-03T08:38:14Z) - EMS: Multi-Agent Voting via Efficient Majority-then-Stopping [62.95000188335248]
推論効率を向上させるために,EMS(Efficient Majority-then-Stopping)を提案する。
EMSはタスク認識の信頼性に基づいてエージェントを優先順位付けし、大多数が達成された時点で推論パイプラインを終了する。
EMSは、呼び出しされたエージェントの平均数を32%減少させる。
論文 参考訳（メタデータ） (2026-04-03T08:29:50Z) - LiaisonAgent: An Multi-Agent Framework for Autonomous Risk Investigation and Governance [11.009578207207419]
LiaisonAgentは、技術的リスク検出とビジネスレベルのリスク管理のギャップを埋めるために設計された、自律的なマルチエージェントシステムである。
このシステムは、エンドツーエンドのツールコール成功率97.8%、リスク判定精度95%を達成する。
論文 参考訳（メタデータ） (2026-02-27T08:42:52Z) - ProMediate: A Socio-cognitive framework for evaluating proactive agents in multi-party negotiation [15.003377735831895]
ProMediateは、複雑なマルチトピック、複数パーティの交渉において、プロアクティブなAIメディエータエージェントを評価するためのフレームワークである。
以上の結果から,社会的に知能なメディエータエージェントは,より速く,よりターゲットのよい介入によって,汎用的なベースラインよりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2025-10-29T07:00:11Z) - LIMI: Less is More for Agency [49.63355240818081]
LIMI(Less Is More for Intelligent Agency)は、機関が根本的に異なる開発原則に従うことを示す。
高度なエージェント・インテリジェンスは、最小でも戦略的にキュレートされた自律行動のデモンストレーションから生まれる可能性がある。
マシンの自律性はデータの豊富さではなく、高品質なエージェント実証の戦略的キュレーションから生まれる。
論文 参考訳（メタデータ） (2025-09-22T10:59:32Z) - Scaling Agents via Continual Pre-training [80.97989245493326]
我々は,エージェント連続事前学習(Agentic CPT)を深層研究エージェント訓練パイプラインに組み込んで,強力なエージェント基礎モデルを構築することを提案する。
我々は,AgentFounder-30Bを10のベンチマークで評価し,強力なツール使用能力を保ちながら最先端のパフォーマンスを実現した。
論文 参考訳（メタデータ） (2025-09-16T17:57:19Z) - Using AI to Optimize Patient Transfer and Resource Utilization During Mass-Casualty Incidents: A Simulation Platform [0.014285185279360277]
マスインシデント(MCI)は医療システムを圧倒し、急激な患者病院割り当ての決定を要求する。
我々は,患者の移動決定を最適化するために,深層強化学習に基づく意思決定支援AIエージェントを開発し,検証した。
MasTERはMCI管理シミュレーションのためのウェブアクセス可能なコマンドダッシュボードである。
論文 参考訳（メタデータ） (2025-09-10T16:46:54Z) - Human Decision-making is Susceptible to AI-driven Manipulation [87.24007555151452]
AIシステムは、ユーザの認知バイアスと感情的な脆弱性を利用して、有害な結果に向けてそれらを操縦する。
本研究では、経済的・感情的な意思決定の文脈におけるこのような操作に対する人間の感受性について検討した。
論文 参考訳（メタデータ） (2025-02-11T15:56:22Z) - Agent-as-a-Judge: Evaluate Agents with Agents [61.33974108405561]
本稿ではエージェント・アズ・ア・ジャッジ(Agent-as-a-Judge)フレームワークを紹介し,エージェント・システムを用いてエージェント・システムの評価を行う。
これはLLM-as-a-Judgeフレームワークの有機的拡張であり、タスク解決プロセス全体の中間フィードバックを可能にするエージェント的特徴を取り入れている。
55のリアルな自動化AI開発タスクのベンチマークであるDevAIを紹介します。
論文 参考訳（メタデータ） (2024-10-14T17:57:02Z)
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。