論文の概要: Graph, Loop, and Harness Engineering for Zero-Trust Agentic Data Engineering and Analytical Processing
- arxiv url: http://arxiv.org/abs/2609.29668v1
- Date: Sun, 30 Aug 2026 07:26:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:56.103595
- Title: Graph, Loop, and Harness Engineering for Zero-Trust Agentic Data Engineering and Analytical Processing
- Title（参考訳）: ゼロトラストエージェントデータエンジニアリングと解析処理のためのグラフ・ループ・ハーネスエンジニアリング
- Abstract要約: Zero-Trust Agentic Data Engineeringは、完全なクラウドデータ言語ソリューションを生成し、デプロイし、検証する。
Zero-Trust Agentic OLAPは、管理されたデータ準備と認証されたオンライン分析処理を組み合わせる。
両フレームワークを名目上の実行,制御障害,バウンドリカバリ,ポリシ制約条件下で評価する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Large language model agents increasingly automate data workflows, but end-to-end cloud data engineering and analytical execution require reliable coordination across code, data, infrastructure, and runtime environments. We present two zero-trust frameworks. Zero-Trust Agentic Data Engineering generates, deploys, and verifies complete cloud data-engineering solutions from natural-language tasks, with completion conditioned on repository, deployment, runtime, and policy evidence. Zero-Trust Agentic OLAP combines governed Data Preparation with verified Online Analytical Processing (OLAP), permitting production promotion only after validation and evidence-bound approval, and releasing analytical answers only after Same-Snapshot Execution, Exact Result Equivalence, deterministic grounding, and reflection. Both frameworks share three abstractions: graph engineering for evidence-gated workflow structure, loop engineering for bounded recovery, and agent-harness engineering for zero-trust execution. We evaluate both frameworks under nominal execution, controlled failures, bounded recovery, and policy-constrained conditions, measuring verified completion, recovery, authorization enforcement, production promotion, and verified OLAP execution.
- Abstract（参考訳）: 大規模言語モデルエージェントは、データワークフローをますます自動化するが、エンドツーエンドのクラウドデータエンジニアリングと分析実行は、コード、データ、インフラストラクチャ、ランタイム環境間の信頼性の高い調整を必要とする。
ゼロトラストフレームワークを2つ提示する。
Zero-Trust Agentic Data Engineeringは、リポジトリ、デプロイメント、ランタイム、ポリシーエビデンスに条件付きで、自然言語タスクから完全なクラウドデータエンジニアリングソリューションを生成し、デプロイし、検証する。
Zero-Trust Agentic OLAPは、管理されたデータ準備と認証されたオンライン分析処理(OLAP)を組み合わせることで、バリデーションとエビデンスバウンドの承認の後にのみ生産促進を許可し、同じスナップショット実行、実行結果等価性、決定論的根拠、リフレクションの後にのみ分析回答を公開します。
どちらのフレームワークも、エビデンス付きワークフロー構造のためのグラフエンジニアリング、バウンドリカバリのためのループエンジニアリング、ゼロトラスト実行のためのエージェントハーネスエンジニアリングの3つの抽象化を共有している。
両フレームワークを名目実行,制御障害,バウンドリカバリ,ポリシ制約条件下で評価し,検証完了,リカバリ,承認実施,生産促進,検証されたOLAP実行を評価した。
関連論文リスト
- Towards Agentic Cloud Engineering: Graph and Loop Engineering with a Zero-Trust Agent Harness [0.0]
我々は、自然言語のエージェントクラウドエンジニアリングタスクを検証済みのコードリポジトリと検証済みの運用クラウドデプロイメントに変換するエージェントAIフレームワークを提案する。
Google Cloud上のフレームワークをインスタンス化し、リポジトリの評価、管理された実行、エビデンス対応の進捗、運用デプロイメント、バウンドリカバリを評価します。
論文 参考訳（メタデータ） (2026-08-30T07:20:49Z) - Forward-Deployed Full-Stack Engineering for Autonomous Cloud MLOps [0.0]
本稿では,自然言語MLOpsクラウドエンジニアリングタスクを検証されたリポジトリと運用クラウドデプロイメントに変換するためのエビデンス付きマルチエージェントフレームワークを提案する。
Google Cloud Platformのフレームワークを実現し、リポジトリの完全性、管理された実行、エビデンス対応の移行、クラウドプロモーション、バウンドリカバリを評価します。
論文 参考訳（メタデータ） (2026-08-30T07:13:10Z) - Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - GRACE-DS: a Guarded Reward-guided Agent Correction Environment in Data Science [39.146761527401424]
GRACE-DSは、LSMを用いたオートMLエージェントの事前デプロイ評価のための、データサイエンスにおけるリワード誘導エージェント補正環境である。
エージェントをリアルなワークフローステージに公開し、計画やデータインスペクションから機能エンジニアリング、モデル開発、バリデーション、コード修正まで、最終提出まで。
これらの結果から、GRACE-DSはLLMベースのAutoMLエージェントが実運用環境下で機械学習を実行する能力を評価するための堅牢なプラットフォームとして確立された。
論文 参考訳（メタデータ） (2026-06-14T19:58:06Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - GTA-2: Benchmarking General Tool Agents from Atomic Tool-Use to Open-Ended Workflows [90.35728421223673]
GTA-2はジェネラル・ツール・エージェント(GTA)の階層的なベンチマークである
現実世界の認証に基づいて構築され、実際のユーザクエリ、デプロイツール、マルチモーダルコンテキストを活用する。
実験では、フロンティアモデルは既に原子タスクに苦戦しているが、トップモデルは14.39%の成功しか達成していない。
論文 参考訳（メタデータ） (2026-04-17T05:36:00Z) - kRAIG: A Natural Language-Driven Agent for Automated DataOps Pipeline Generation [0.5833117322405447]
我々は、自然言語仕様をプロダクション対応KubeReason Pipelines(KFP)に変換するAIエージェントであるkRAIGを紹介する。
ユーザ意図の曖昧さを解決するために,パイプライン合成に先立って意図を明確に示すインタラクションフレームワークReQuesActを提案する。
本フレームワークは,最先端のエージェントベースラインと比較して,抽出とロードの精度が3倍向上し,変換精度が25%向上する。
論文 参考訳（メタデータ） (2026-03-19T17:53:00Z) - Automatic Building Code Review: A Case Study [6.530899637501737]
建設担当者は、プロジェクトのサイズと複雑さが増大するにつれて、労働集約的で、エラーを起こし、コストがかかる設計文書のレビューに直面します。
本研究では,BIMに基づくデータ抽出と自動検証を統合したエージェント駆動型フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-03T00:30:14Z)
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。