論文の概要: Nexus: An Execution Fabric for AI Agents Across Cloud, Edge, and Devices
- arxiv url: http://arxiv.org/abs/2610.05709v1
- Date: Mon, 05 Oct 2026 02:47:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 04:57:08.109237
- Title: Nexus: An Execution Fabric for AI Agents Across Cloud, Edge, and Devices
- Title（参考訳）: Nexus: クラウド、エッジ、デバイスにまたがるAIエージェントのための実行ファブリック
- Abstract要約: 集中型実行は、障害の影響、スケーリングのプレッシャ、計算コストを増大させる。
Nexusは、各呼び出しを永続的なタスクとして扱うクラウドエッジプラットフォームです。
- 参考スコア（独自算出の注目度）: 0.6875312133832079
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Language-model agents are evolving into long-running services that interact with models, tools, computers, mobile devices, and distributed environments. Existing agent frameworks simplify reasoning and tool invocation. However, cloud-centric designs face three limitations: centralized execution increases failure impact, scaling pressure, and compute cost; extending agents across computers, mobile devices, and edge environments requires a unified execution abstraction with permission control; and long-running executions require consistent lifecycle management across failures, recovery, results, usage, and settlement. We present Nexus, a cloud-edge platform that treats each invocation as a persistent task. Nexus uses an OpenWrt-based runtime for distributed serving, run-scoped delegation for authorized access to Computer and Mobile environments, and persistent records to track execution, outputs, failures, recovery, usage, and charging across cloud and edge components. We evaluate Nexus on controlled, cross-device, and model-driven workloads. All ten Computer-Android workflows succeed, and all six revocation tests block subsequent writes while preserving prior authorized reads. Under worker loss, journaling eliminates duplicate appends (six to zero per task), adding 0.933 s mean normal-path overhead. Across 24 matched task pairs, Nexus completes 24 tasks versus Dify's 22 and is a median 3.88 s faster on jointly successful pairs. In a separate workload, Nexus operates under a smaller tested incremental-runtime memory ceiling than Dapr (16 versus 64 MiB), although Dapr achieves lower successful-call latency. These results demonstrate how locality, operation-scoped authority, and persistent result identity support cloud-edge agent services with workload-dependent costs.
- Abstract（参考訳）: 言語モデルエージェントは、モデル、ツール、コンピュータ、モバイルデバイス、および分散環境と相互作用する長期実行サービスへと進化している。
既存のエージェントフレームワークは推論とツールの実行を単純化する。
しかし、クラウド中心の設計は、3つの制限に直面している: 集中型実行は障害の影響、スケーリングの圧力、計算コストを増大させる; コンピュータ、モバイルデバイス、エッジ環境にまたがるエージェントを拡張するには、パーミッションコントロールを備えた統一された実行抽象化が必要である; 長期実行は、障害、リカバリ、結果、使用、解決を横断する一貫したライフサイクル管理を必要とする。
Nexusは、各呼び出しを永続的なタスクとして扱うクラウドエッジプラットフォームです。
Nexusは、分散サービスのためのOpenWrtベースのランタイム、コンピュータとモバイル環境への承認されたアクセスのためのランタイムデリゲート、実行、アウトプット、障害、リカバリ、利用、クラウドとエッジコンポーネント間の課金を追跡するための永続的なレコードを使用する。
コントロール、クロスデバイス、モデル駆動のワークロードでNexusを評価します。
10のComputer-Androidワークフローがすべて成功し、6つの呼び出しテストがすべて、事前認証された読み取りを保持しながら、後続の書き込みをブロックする。
ワーカの損失の下では、ジャーナリングは重複するアタッチメント(タスク毎に6から0)を排除し、0.933sの追加は通常のパスオーバーヘッドを意味する。
24対のタスクペアで、NexusはDifyの22対24のタスクを完了し、共同で成功したペアでは中央値3.88秒高速である。
別のワークロードでは、Nexusは、Dapr (16対 64 MiB)よりもテスト中のインクリメンタル実行時のメモリ天井の下で動作しますが、Daprは、より成功したコールレイテンシを実現しています。
これらの結果は、ローカル性、運用スコープの権限、永続的な結果のアイデンティティが、ワークロード依存のコストを伴うクラウドエッジエージェントサービスをどのようにサポートするかを示している。
関連論文リスト
- Governing the Edge: Automating Commercial Property and Casualty Insurance Underwriting via a Hybrid Local-Cloud Multi-Agent Framework [0.9857528377308394]
Governing the Edgeは、データ-レジデンシ制約に関する機密データを整理する。
このフレームワークは、単一のエッジデバイス上で、数分で40分間のマニュアルを処理します。
20-scenarioベンチマークの全体的なコンプライアンス精度は70%で、残りのギャップはよりソフトで判断ベースの層に集中している。
論文 参考訳（メタデータ） (2026-09-26T20:27:55Z) - SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - PalmClaw: A Native On-Device Agent Framework for Mobile Phones [16.173016265644673]
textbfPalmClawは、携帯電話上で動作し、セッション、メモリ、スキル、ツール、エージェントループを直接デバイス上で管理するオープンソースのエージェントフレームワークである。
PalmClawはデバイス機能を、明示的な引数、構造化された結果、明確に定義された実行バウンダリを備えたデバイスツールとして公開する。
実験では、タスクの成功率が11.5%向上し、最強のベースラインよりも94.9%の完了時間が短縮された。
論文 参考訳（メタデータ） (2026-07-14T17:58:57Z) - Cordon: Semantic Transactions for Tool-Using LLM Agents [11.567293065381918]
本稿では,コミット前にエージェント効果のステージングと検証を行うトランザクションランタイムシステムであるCordonを紹介する。
適度な承認とレイテンシのオーバーヘッドで、良質なタスク補完を保ちながら、不可逆的な効率の失敗を減らす。
論文 参考訳（メタデータ） (2026-06-16T06:21:14Z) - MIRAGE: Mobile Agents with Implicit Reasoning and Generative World Models [53.09772037247959]
可視テキスト推論トレースから連続潜時推論表現を学習するフレームワークであるMIRAGEを紹介する。
AndroidWorldでは、MIRAGEは4Bアブレーションで監督された微調整を3～5倍の低い復号化予算と一致している。
AndroidControlでは、75%以上のトークンを生成しながらアクショングラウンドを改善する。
論文 参考訳（メタデータ） (2026-06-03T09:01:24Z) - Multi-Agent Computer Use [72.79887808312706]
我々はマルチエージェント・コンピュータ・ユース(MACU)システムの評価・構築に向けて進むべきであると論じる。
本稿では、マネージャモデルがコンピュータ使用タスクを有向非巡回グラフ(DAG)として分解する汎用マルチエージェント構成を提案する。
各イテレーションで、マネージャは並列CUAサブエージェントをディスパッチし、DAGの準備ができているフロンティアでノードを実行する。
論文 参考訳（メタデータ） (2026-06-01T01:29:36Z) - Speculative Interaction Agents: Building Real-Time Agents with Asynchronous I/O and Speculative Tool Calling [64.40340291543971]
我々は,小さなエッジスケールモデルとのリアルタイムインタラクションを実現するための投機的インタラクションエージェントを提案する。
また、ストリーミング入力と非同期応答を処理するためにモデルを適応させるクロックベースのトレーニング手法を提案する。
このアプローチは、Qwen2.5-3B-InstructとLlama-3.2-3B-Instructモデルを複数のツール呼び出しベンチマークで1.6-2.2$times$ Speedupを提供する。
論文 参考訳（メタデータ） (2026-05-13T11:20:52Z) - DeepAgent: A General Reasoning Agent with Scalable Toolsets [111.6384541877723]
DeepAgentは、自律的な思考、ツール発見、アクション実行を実行するエンドツーエンドのディープ推論エージェントである。
長期にわたる相互作用の課題に対処するために,過去の相互作用を構造化エピソード,動作,ツール記憶に圧縮する自律的メモリ折り畳み機構を導入する。
LLMシミュレートされたAPIを活用し、ツール呼び出しトークンにきめ細かいクレジットを割り当てるツールコールアドバンテージ属性を適用した、エンドツーエンドの強化学習戦略であるToolPOを開発した。
論文 参考訳（メタデータ） (2025-10-24T16:24:01Z) - EcoAgent: An Efficient Edge-Cloud Collaborative Multi-Agent Framework for Mobile Automation [36.08217588070538]
マルチモーダル(multimodal)な大規模言語モデル((M)LLM)をベースとするクラウドベースのモバイルエージェントは、強力な推論能力を提供するが、レイテンシとコストに悩まされる。
textbfEdge-textbfCloud ctextbfOllaborative multi-agent framework for mobile automation。
EcoAgentはクラウドベースの計画エージェントとエッジベースの2つのエージェント – アクション実行のための実行エージェントと結果を検証する監視エージェント – のクローズドループコラボレーションを特徴としている。
論文 参考訳（メタデータ） (2025-05-08T17:31:20Z)
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。