論文の概要: MiniCorp: The Last Mile of the AI Agent Firm

• arxiv url: http://arxiv.org/abs/2610.05912v1
• Date: Mon, 05 Oct 2026 07:26:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 03:16:03.919456
• Title: MiniCorp: The Last Mile of the AI Agent Firm
• Title（参考訳）: MiniCorp:AIエージェント企業の最後のマイル
• Abstract要約: MiniCorpは、エージェントが会社をまとめて運営する方法を研究するためのオフィスシミュレーターだ。 デモとしてeコマース会社を使って、MiniCorpは2つの対話的世界を結ぶ。 実市場の実証研究で報告されたパターンに対するエンドツーエンドの忠実度を評価する。
• 参考スコア（独自算出の注目度）: 57.84009285897914
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The last mile toward enterprise AGI is a company that runs itself. Training and adapting such agents require longitudinal enterprise data, which remain scarce, costly to acquire, and often restricted by privacy constraints. Historical archives are also frequently incomplete and record only what actually happened. They cannot show the outcomes of alternative decisions. We introduce MiniCorp, an office simulator for studying how agents can collectively run a company while generating enterprise data at scale. Using an e-commerce company as a demonstration, MiniCorp connects two interacting worlds. The external world models customers, dynamic competitors, and market mechanisms. The internal world consists of agents that observe events, discuss their options, and make strategic decisions. These decisions have lasting effects on the market, and the resulting feedback informs the firm's later decisions. As the firm and market interact, MiniCorp continuously records the agents' communications and decisions. These records preserve the information available at the time and the business results that followed. Checkpointing allows the same situation to be replayed under different decisions, providing comparisons unavailable in static archives. We evaluate end-to-end fidelity against patterns reported in empirical studies of real markets. These evaluations provide agents with realistic market feedback and reduce the risk that they learn to exploit flaws in the simulator. Our experiments show agents coordinating across roles and adapting their decisions to market feedback. With explicit long-term strategic guidance, they also sustain advertising exploration despite weak early returns. MiniCorp thus provides an environment for studying AI-run companies and a scalable source of longitudinal and counterfactual enterprise data for agent training and evaluation.
• Abstract（参考訳）: エンタープライズAGIへの最後の道のりは、自らを運営している会社だ。 このようなエージェントを訓練し、適応するには、長期のエンタープライズデータが必要である。 歴史的文書はしばしば不完全であり、実際に起こったことのみを記録する。 代替決定の結果を示すことはできない。 企業データを大規模に生成しながら、エージェントが企業をまとめて運営する方法を研究するためのオフィスシミュレータであるMiniCorpを紹介する。 デモとしてeコマース企業を使って、MiniCorpは2つの対話的世界を結ぶ。 外の世界は顧客、動的競争相手、市場メカニズムをモデル化します。 内的世界は、出来事を観察し、その選択肢について議論し、戦略的決定を行うエージェントで構成されている。 これらの決定は市場に持続的な影響を及ぼし、その結果のフィードバックは会社の後の決定に影響を及ぼす。 企業と市場が相互作用するにつれて、MiniCorpはエージェントのコミュニケーションと意思決定を継続的に記録する。 これらのレコードは、その時に利用可能な情報と、それに続くビジネス結果を保存する。 チェックポイントでは、異なる決定の下で同じ状況をリプレイすることが可能で、静的アーカイブでは比較ができない。 実市場の実証研究で報告されたパターンに対するエンドツーエンドの忠実度を評価する。 これらの評価は、エージェントに現実的な市場フィードバックを与え、シミュレータの欠陥を悪用するリスクを低減する。 私たちの実験では、役割をまたいで調整し、市場フィードバックに彼らの決定を適用するエージェントが示されています。 明確な長期戦略ガイダンスにより、彼らは早期の利益が弱いにもかかわらず、広告探究も継続する。 これにより、MiniCorpはAIが運営する企業を研究するための環境を提供し、エージェントのトレーニングと評価のために、縦および反ファクトのエンタープライズデータのスケーラブルなソースを提供する。

関連論文リスト

• Poisoning Agentic Alpha: Adversarial Vulnerabilities Across Roles and Architectures in Multi-Agent Trading Systems [103.90831279037094]
  LLMベースのマルチエージェントトレーディングシステムは、研究プロトタイプから実際の資産を管理するライブデプロイメントへと急速に移行している。 破損した信号は最終決定に伝播し、実現された財政損失に変換される。 本稿では,金融分野において,敵対的信号がマルチエージェント取引システムにどのように入るのかを特徴付ける最初の体系的実証的研究について述べる。
  論文  参考訳（メタデータ） (2026-08-25T05:07:37Z)
• Business Arena: Benchmarking LLM Agents in a Realistic Marketplace [14.641921772947926]
  Business Arenaは、AIエージェントが国境を越えた店を経営し、サプライヤーから購入し、長期にわたって購入者に販売する管理環境である。 15のフロンティアモデルを評価し,9倍の差が得られた。 最高のモデルでさえ、人間設計の戦略に遅れをとっており、LLMエージェントにとってビジネス運用は依然として困難であることを示している。
  論文  参考訳（メタデータ） (2026-08-09T10:08:21Z)
• Agentic Commerce World: An Auditable and Verifiable Environment for Vibe Commerce [83.90449137361595]
  Vibeコマースは、自然言語で購入や販売の目標を表現し、AIエージェントにタスクを委譲することを可能にする。 本稿では,現在進行中の取引にまたがるエージェント評価環境であるAgenic Commerce World(ACWorld)を紹介する。 ACWorldは、共有トランザクション状態を更新する前にエージェントアクションを検証し、結果のインタラクションを記録し、エージェントの振る舞いを監査可能とし、再現性を評価する。
  論文  参考訳（メタデータ） (2026-08-03T16:20:17Z)
• NextFund: A Unified Performance Tracking Platform for Agentic Portfolio Management [0.9906305486517417]
  我々はNextFundを紹介した。NextFundは、ファイナンシャルエージェントの動作を実運用環境で観察できる評価プラットフォームである。 プラットフォームは、時間一貫性のある市場アクセス、協調型マルチエージェント分析、観察から取引までの完全な意思決定パスの永続的なロギングを結合する。 我々は、香港、米国、中国A株についてNextFundを提示し、検査可能な意思決定履歴がより公平なベンチマークとより実用的な診断を可能にしていることを説明します。
  論文  参考訳（メタデータ） (2026-07-13T06:22:21Z)
• Information Aggregation with AI Agents [0.0]
  我々は、AIエージェントがプライベートシグナルを受信した後、予測市場で取引を行う制御実験を行う。 中央市場は情報構造において情報の集約に有効であるが,複雑性の増大は有意かつ負の影響を及ぼすことがわかった。 我々は「スマート」なAIエージェントがアグリゲーションでより良いパフォーマンスを発揮し、より利益を上げていると断定する。
  論文  参考訳（メタデータ） (2026-04-21T23:17:24Z)
• Agentic Misalignment: How LLMs Could Be Insider Threats [8.401947406991834]
  仮説的な企業環境で、複数の開発者から16のモデルをストレステストしました。 私たちは、自律的な電子メール送信と機密情報へのアクセスをモデルに許可しました。 一部のモデルは、それが置き換えや目標達成を避ける唯一の方法であったとき、悪意あるインサイダー行動に頼っていた。
  論文  参考訳（メタデータ） (2025-10-05T16:39:04Z)
• When AI Meets Finance (StockAgent): Large Language Model-based Stock Trading in Simulated Real-world Environments [55.19252983108372]
  LLMによって駆動される、StockAgentと呼ばれるマルチエージェントAIシステムを開発した。 StockAgentを使えば、ユーザーはさまざまな外部要因が投資家取引に与える影響を評価することができる。 AIエージェントに基づく既存のトレーディングシミュレーションシステムに存在するテストセットのリーク問題を回避する。
  論文  参考訳（メタデータ） (2024-07-15T06:49:30Z)

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。