論文の概要: A Baseline Assessment for the Agentic Web Technology Stack

• arxiv url: http://arxiv.org/abs/2610.13703v1
• Date: Fri, 09 Oct 2026 14:59:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.648749
• Title: A Baseline Assessment for the Agentic Web Technology Stack
• Title（参考訳）: エージェントWeb技術スタックのベースラインアセスメント
• Abstract要約: MASTIF(Multi-Agent System TestIng Framework)と呼ばれるエージェントWeb評価を行うシステムを提案する。 その結果,タスク固有の技術スタックを選択すると,タスク完了率,効率スコア,社会的価値安定性スコアが向上する可能性が示唆された。
• 参考スコア（独自算出の注目度）: 5.908471365011942
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The fast pace in which protocols, frameworks, and technologies are being proposed for LLM-based agents results in a complex scenario for anyone aiming to create state-of-the-art AI solutions. Without an assessment on how different protocols, frameworks, and libraries work together to compose an Agentic Web solution, developers and organizations face different challenges (e.g., skilling, governance, infrastructure) even before becoming part of the Agentic Web ecosystem. In this context, we propose a system for performing Agentic Web evaluations called MASTIF (Multi-Agent System TestIng Framework) and present a baseline assessment of Agentic Web technologies, including 3 LLMs, 3 protocols, and 4 agent implementation frameworks, against 300 Mind2Web benchmark tasks. Results suggest that selecting a task-specific technology stack may result in gains of task completion rate, efficiency score, and social value stability scores; and reductions in verbosity and time to complete tasks. With the presented results, we expect to present a baseline in terms of metrics and results for this complex and fast evolving scenario for those aiming at designing, assessing, and developing multi-agent systems.
• Abstract（参考訳）: LLMベースのエージェントのためのプロトコル、フレームワーク、技術が提案されている高速なペースは、最先端のAIソリューションの開発を目指すすべての人にとって、複雑なシナリオをもたらします。 異なるプロトコル、フレームワーク、ライブラリがどのように連携してエージェントWebソリューションを構成するかを評価することなしに、開発者や組織は、エージェントWebエコシステムの一部になる前に、異なる課題(例えば、スキル、ガバナンス、インフラストラクチャ)に直面します。 本稿では,MASTIF(Multi-Agent System TestIng Framework)と呼ばれるエージェントWeb評価を行うシステムを提案し,300 Mind2Webベンチマークタスクに対して,3 LLM,3プロトコル,4エージェント実装フレームワークを含むエージェントWeb技術のベースライン評価を行う。 その結果,タスク固有の技術スタックを選択すると,タスク完了率,効率スコア,社会的価値安定性スコアが向上し,冗長性やタスク完了時間も低下する可能性が示唆された。 提案した結果から,マルチエージェントシステムの設計,評価,開発を目的とした,この複雑かつ迅速な発展シナリオの基準となる指標と結果が提示されることを期待している。

関連論文リスト

• LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities [0.03437656066916039]
  本論文は,LLMに基づくマルチエージェントシステムの新しいパラダイムを体系的にレビューする。 言語モデルの選択、SE評価ベンチマーク、最先端のエージェントフレームワーク、通信プロトコルなど、幅広いトピックを掘り下げる。
  論文  参考訳（メタデータ） (2026-01-14T19:28:30Z)
• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• MultiAgentBench: Evaluating the Collaboration and Competition of LLM agents [59.825725526176655]
  大規模言語モデル(LLM)は、自律的なエージェントとして顕著な能力を示している。 既存のベンチマークでは、単一エージェントタスクにフォーカスするか、狭いドメインに限定されており、マルチエージェントのコーディネーションと競合のダイナミクスを捉えていない。 多様な対話シナリオにまたがってLLMベースのマルチエージェントシステムを評価するためのベンチマークであるMultiAgentBenchを紹介する。
  論文  参考訳（メタデータ） (2025-03-03T05:18:50Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)

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。