論文の概要: AgentBetta: Verification-Driven Adaptive Configuration of an AI Nano-Agent through Selective Expansion and Verified Contraction
- arxiv url: http://arxiv.org/abs/2609.23512v1
- Date: Sun, 20 Sep 2026 09:56:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:03.936848
- Title: AgentBetta: Verification-Driven Adaptive Configuration of an AI Nano-Agent through Selective Expansion and Verified Contraction
- Title（参考訳）: AgentBetta: 選択的拡張と検証契約によるAIナノエージェントの検証駆動適応構成
- Abstract要約: 本研究では,AIナノエージェントフレームワークであるAgentBettaを開発し,評価する。
AgentBettaは、必要なモデル機能、コンテキスト、ツール、パーミッション、メモリ、計算リソースを実行可能な設定として表現する。
AB-ConfigBenchベンチマークでは、AgentBettaは91.38%の成功を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Large language model agents are typically deployed with predefined configurations, although the required model capability, context, tools, permissions, memory, and computational resources can vary substantially across tasks. This study develops and evaluates AgentBetta, an adaptive AI Nano-Agent framework that represents these factors as an executable configuration and updates them through verification-driven diagnosis, selective expansion, and verification-based counterfactual contraction. The evaluation distinguishes controlled mechanism validation from external agent comparisons. On the AB-ConfigBench benchmark, AgentBetta achieved 91.38% verified success while reducing median context allocation from 64,000 to 8,000 context characters and median tool exposure from five tools to zero compared with the fully provisioned configuration. The configuration-deficiency diagnosis achieved a macro-F1 score of 0.819 with precision of 1.000 across the evaluated dimensions, and selective expansion avoided unnecessary changes to unrelated configuration dimensions. Post-success contraction preserved verification outcomes in 56.41% of evaluated one-dimension contraction probes, indicating that some successful configurations contained removable capability under the tested conditions. External evaluations indicate that adaptive configuration can improve the balance between verified task completion and capability exposure; however, the results vary across benchmarks and agent families. In particular, the cross-family replication did not reproduce the primary-backbone accuracy ordering, and specialized systems remained advantageous for certain task domains. These results support interpreting AgentBetta as a configuration-adaptation mechanism that regulates capability allocation and inference expenditure rather than as a universal replacement for specialized agent architectures.
- Abstract（参考訳）: 大規模な言語モデルエージェントは通常、事前に定義された設定でデプロイされるが、必要なモデル能力、コンテキスト、ツール、パーミッション、メモリ、計算リソースはタスクによって大きく異なる可能性がある。
本稿では,これらの因子を実行可能な構成として表現するAIナノエージェントフレームワークであるAgentBettaを開発し,評価する。
この評価は、制御機構の検証と外部エージェントの比較を区別する。
AB-ConfigBenchベンチマークでは、AgentBettaは91.38%の成功を達成し、中央値のコンテキスト割り当てを64,000から8000のコンテキスト文字に減らし、5つのツールから0までの中央値のツール露出を完全な設定と比較した。
構成不足診断は、評価された寸法で1.000の精度で0.819のマクロF1スコアを達成し、選択的な拡張は無関係な構成寸法への不要な変化を避けることができた。
後収縮試験の結果は56.41%の1次元収縮プローブで保存され、いくつかの成功した構成には試験条件下で取り外し可能な能力が含まれていることが示唆された。
外部評価では、適応的な構成は、検証されたタスク完了と能力露出のバランスを改善することができるが、結果はベンチマークやエージェントファミリーによって異なる。
特に、クロスファミリーレプリケーションはプライマリバックボーンの精度の順序付けを再現せず、特定のタスクドメインに対して特別なシステムが有利なままであった。
これらの結果は、特別なエージェントアーキテクチャの普遍的な代替としてではなく、機能割り当てと推論支出を規制する設定適応メカニズムとしてAgentBettaを解釈するのをサポートする。
関連論文リスト
- Agentic self-driving microscopy benchmarks support qualification but do not necessarily generalize to unseen tasks [0.0]
大規模な言語モデルエージェントは、幅広い科学的特徴付けツールを制御するために、ますます開発されている。
顕微鏡エージェントの設計には、LSMの選択、使用するエージェントの数、エージェント責任、デリゲートルールなど、多くの選択肢がある。
本研究では, エージェントアーキテクチャの異なる選択がマイクロスコープタスクのパフォーマンスに与える影響を明らかにするベンチマークおよびトレースログフレームワークを開発し, b) 特定のエージェントが顕微鏡タスクでうまく動作するかどうかを予測するベンチマークの限界を明らかにする。
論文 参考訳（メタデータ） (2026-08-05T17:58:53Z) - Evolution-Aware MSA Reasoning for Subsampling via Factor Graphs [55.715754117956514]
複数のシーケンスアライメントは、明示的な進化コンテキストを持つタンパク質言語モデルを提供する。
MSAサブサンプリングは限定的なトークン予算では避けられない。
本稿では,因子グラフ推論を用いて固定予算MSAサブセットを推定するAP-REASONERを提案する。
論文 参考訳（メタデータ） (2026-07-24T13:55:21Z) - Toward Auditable Fraud Detection: Combining Graph Features, Model Explanations, and Agentic Case Investigation [0.0]
不正検出システムは、説明可能でレビュー可能なまま、トランザクションボリュームの上昇とともにスケールする必要がある。
本研究では,勾配ブースト型分類器,グラフに基づく構造特徴,オートエンコーダに基づく異常信号,および調査エージェントを組み合わせた層状パイプラインについて検討する。
我々は,各コンポーネントは特定の条件下でのみ寄与し,調査エージェントからのもっともらしい根拠は,よりよい判断の証拠ではないと結論づける。
論文 参考訳（メタデータ） (2026-07-21T16:37:41Z) - SAAG: Structured Agent Assessment and Grounding [13.62148061055744]
本稿では,エージェント呼び出し評価を3段階に分解するケースケード診断フレームワークを提案する。
このフレームワークは,5,10,15エージェントのレジストリサイズにまたがって,Glaiveの関数呼び出しデータセットから得られたベンチマークで評価する。
論文 参考訳（メタデータ） (2026-04-30T19:33:58Z) - Replayable Financial Agents: A Determinism-Faithfulness Assurance Harness for Tool-Using LLM Agents [0.7699235580548228]
LLMエージェントは、規制監査のリプレイに苦労する: トランザクションフラグ付き決定を同じ入力で再現するように要求された場合、ほとんどのデプロイメントは一貫性のある結果を返すことができません。
本稿では,金融サービスに展開するツール利用エージェントにおけるトラジェクティブ決定性およびエビデンス条件の忠実度を測定するためのフレームワークであるDFAHを紹介する。
論文 参考訳（メタデータ） (2026-01-17T19:47:55Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Structured Uncertainty guided Clarification for LLM Agents [126.26213027785813]
LLMエージェントは、ツールコール機能を備えた大きな言語モデルを拡張するが、曖昧なユーザ命令は、しばしば誤った呼び出しやタスクの失敗につながる。
本稿では,ツールコールパラメータに対する構造的不確かさの定式化,完全情報の期待値(EVPI)を目標としたPOMDPのモデル化,冗長性防止のためのアスペクトベースコストモデルを提案する。
我々のSAGE-Agentは、この構造化された不確実性を活用し、より優れた効率を達成するために、曖昧なタスクのカバレッジを7～39%増加させ、明確な質問を1.5～2.7$times$に減らした。
論文 参考訳（メタデータ） (2025-11-11T21:50:44Z) - Alita-G: Self-Evolving Generative Agent for Agent Generation [54.49365835457433]
汎用エージェントをドメインエキスパートに変換するフレームワークであるALITA-Gを提案する。
このフレームワークでは、ジェネラリストエージェントが対象ドメインタスクのキュレートされたスイートを実行する。
計算コストを削減しながら、大きな利益を得ることができます。
論文 参考訳（メタデータ） (2025-10-27T17:59:14Z) - OmniEAR: Benchmarking Agent Reasoning in Embodied Tasks [52.87238755666243]
OmniEARは,言語モデルが身体的相互作用やツールの使用,マルチエージェントの協調にどう影響するかを評価するためのフレームワークである。
我々は、家庭と工業領域にまたがる1500のシナリオにおける連続的な物理的特性と複雑な空間的関係をモデル化する。
我々の体系的な評価は、モデルが制約から推論しなければならない場合、厳しい性能劣化を示す。
論文 参考訳（メタデータ） (2025-08-07T17:54:15Z)
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。