論文の概要: LLMs for Executable Multi-Agent System Specification Generation

• arxiv url: http://arxiv.org/abs/2609.34619v1
• Date: Mon, 28 Sep 2026 08:43:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 11:51:47.845012
• Title: LLMs for Executable Multi-Agent System Specification Generation
• Title（参考訳）: 実行可能マルチエージェントシステム仕様生成のためのLCM
• Abstract要約: genRTECは、自然言語記述から実行可能なMAS仕様を生成する方法である。 さまざまなMAS仕様にまたがるgenRTECの実証評価を行った。 その結果,genRTECは推論効率を損なうことなく,高い予測精度で実行可能なMAS仕様を構築していることがわかった。
• 参考スコア（独自算出の注目度）: 46.3166181448485
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: MAS specifications express the effects of the actions of the agents and their environment, as well as other temporal phenomena, such as the intervals during which an agent may perform an action. The specification of a MAS should also be executable in order to allow for run-time monitoring. Constructing the specification of a MAS requires formal language expertise, while machine learning techniques depend on labelled data which are rarely available. To address these issues, we propose `genRTEC', a method that leverages pre-trained Large Language Models (LLMs) to generate executable MAS specifications, in the language of the `Run-Time Event Calculus' (RTEC), from natural language descriptions. genRTEC constructs MAS specifications with complex hierarchical and cyclic dependencies based only on short natural language descriptions of the concepts involved. We present an extensive empirical evaluation of genRTEC, spanning various MAS specifications, including both a qualitative and a quantitative assessment. Our results demonstrate that genRTEC constructs executable MAS specifications of high predictive accuracy without compromising reasoning efficiency.
• Abstract（参考訳）: MAS仕様は、エージェントのアクションとその環境の影響、およびエージェントがアクションを実行するための間隔のような他の時間的現象を表現している。 MASの仕様は、実行時の監視を可能にするために実行可能でなければならない。 MASの仕様を構築するには、公式な言語専門知識が必要であるが、機械学習技術は、ほとんど利用できないラベル付きデータに依存している。 これらの問題に対処するため,我々は,学習済みの大規模言語モデル(LLM)を利用して実行可能なMAS仕様を生成する手法である'genRTEC'を,自然言語記述から'Run-Time Event Calculus'(RTEC)の言語で提案する。 genRTECは、関連する概念の短い自然言語記述に基づいて、複雑な階層的および循環的依存関係を持つMAS仕様を構築している。 質的および定量的な評価を含む様々なMAS仕様にまたがるgenRTECの広範な実証評価について述べる。 その結果,genRTECは推論効率を損なうことなく,高い予測精度で実行可能なMAS仕様を構築していることがわかった。

関連論文リスト

• RemoteAgent: Bridging Vague Human Intents and Earth Observation with RL-based Agentic MLLMs [55.44696796126619]
  地球観測システムは、曖昧な自然言語を通じて要求を表現するドメインの専門家を支援するように設計されている。 実用的なEOAIシステムは、あいまいな人間のクエリと適切な多粒度視覚分析タスクのギャップを埋めなければならない。 MLLMの能力固有の境界を戦略的に尊重するエージェントフレームワークであるRemoteAgentを提案する。
  論文  参考訳（メタデータ） (2026-04-09T03:40:46Z)
• HELP: Hierarchical Embodied Language Planner for Household Tasks [75.38606213726906]
  複雑なシナリオを扱うエージェントは、堅牢な計画能力に大きく依存する。 広範な言語知識を備えた大規模言語モデルは、この役割を果たすことができる。 LLMをベースとした一組のエージェントからなる階層型エンボディード言語プランナーHELPを提案する。
  論文  参考訳（メタデータ） (2025-12-25T15:54:08Z)
• AGENTIF: Benchmarking Instruction Following of Large Language Models in Agentic Scenarios [51.46347732659174]
  LLM(Large Language Models)は、現実世界のエージェントアプリケーションにおいて高度な機能を示す。 AgentIFは、エージェントシナリオでLLM命令に従う能力を体系的に評価する最初のベンチマークである。
  論文  参考訳（メタデータ） (2025-05-22T17:31:10Z)
• SpecGen: Automated Generation of Formal Program Specifications via Large Language Models [20.36964281778921]
  SpecGenは、大規模言語モデルに基づく形式的なプログラム仕様生成のための新しいテクニックである。 SV-COMP 279ベンチマークと手動で構築したデータセットを含む2つのデータセット上でSpecGenを評価する。
  論文  参考訳（メタデータ） (2024-01-16T20:13:50Z)
• Multi-Agent Reinforcement Learning with Temporal Logic Specifications [65.79056365594654]
  本研究では,時間論理仕様を満たすための学習課題を,未知の環境下でエージェントのグループで検討する。 我々は、時間論理仕様のための最初のマルチエージェント強化学習手法を開発した。 主アルゴリズムの正確性と収束性を保証する。
  論文  参考訳（メタデータ） (2021-02-01T01:13:03Z)

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。