論文の概要: AutoMARS: Automatic and Scalable Multi-Agent Large Language Model Framework for Supply Chain Risk Assessment
- arxiv url: http://arxiv.org/abs/2610.17206v1
- Date: Mon, 12 Oct 2026 17:59:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.435496
- Title: AutoMARS: Automatic and Scalable Multi-Agent Large Language Model Framework for Supply Chain Risk Assessment
- Title（参考訳）: AutoMARS:サプライチェーンリスク評価のための自動かつスケーラブルな大規模言語モデルフレームワーク
- Abstract要約: AutoMARSはサプライチェーンネットワークにおける自動的かつスケーラブルなリスク評価のためのエージェントフレームワークである。
このフレームワークは、社会経済、災害、環境、交通といった異種リスク要素を統合するマルチドメイン、マルチエージェント、マルチツールアーキテクチャを採用している。
- 参考スコア（独自算出の注目度）: 0.8166364251367625
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose AutoMARS (Automatic Multi-Agent Risk Assessment), an agentic framework for automatic and scalable comparative risk assessment in supply chain networks. The framework enables end-to-end execution of analytical workflows by automatically planning tasks, coordinating specialized agents, invoking external analytical tools, and synthesizing domain-specific results into integrated risk evaluations. AutoMARS further supports scalable risk comparison across multiple locations by parallelizing independent analytical tasks. The framework adopts a multi-domain, multi-agent, and multi-tool architecture that integrates heterogeneous risk factors from socioeconomic, disaster, environmental, and transportation domains. Through coordinated agent interactions and tool integration, AutoMARS enables structured, systematic, and interpretable comparative analysis to support supply chain risk-aware location evaluation.
- Abstract（参考訳）: 本稿では,サプライチェーンネットワークにおける自動的かつスケーラブルなリスク評価のためのエージェントフレームワークであるAutoMARS(Automatic Multi-Agent Risk Assessment)を提案する。
このフレームワークは、タスクの自動計画、専門エージェントの調整、外部分析ツールの呼び出し、ドメイン固有の結果を統合リスク評価に合成することで、分析ワークフローのエンドツーエンド実行を可能にする。
AutoMARSはさらに、独立した分析タスクを並列化することにより、複数のロケーションにわたるスケーラブルなリスク比較をサポートする。
このフレームワークは、社会経済、災害、環境、交通といった異種リスク要素を統合するマルチドメイン、マルチエージェント、マルチツールアーキテクチャを採用している。
協調エージェントインタラクションとツール統合により、AutoMARSは、サプライチェーンのリスク認識位置評価をサポートする構造的、体系的、解釈可能な比較分析を可能にする。
関連論文リスト
- Autonomous Information Seeking: A Roadmap for Agentic Recommender Systems [64.88044474617854]
大規模言語モデルベースのエージェントをリコメンダシステムに迅速に統合することで、静的なランキングベースのパイプラインから、自律的でインタラクティブなシステムへのシフトが加速した。
この調査では、自律性のレベルとエージェントレコメンデータシステムの3つのコアパラダイムを基盤とした統合された分類法を紹介した。
論文 参考訳（メタデータ） (2026-07-05T17:55:05Z) - RIFT-Bench: Dynamic Red-teaming For Agentic AI Systems [4.789897887600273]
グラフ表現駆動型動的リピート手法であるRIFT-Benchを紹介する。
RIFT-Benchは、システム構造を抽出するDiscoveryと、適応的な敵攻撃を展開するScanningの2つの自動化フェーズで動作する。
多様な実装にまたがる45のエージェントシステムを対象とした評価パイプラインの有効性を示す。
論文 参考訳（メタデータ） (2026-06-22T20:46:56Z) - Securing Multi-Agent GIS Systems: Risk Evaluation and Prompt Hardening Optimization [13.556629148264994]
本研究は,多エージェントGISシステムにおけるリスク識別,評価,緩和のためのセキュリティ指向フレームワークを提案する。
エージェントの振る舞いを再利用可能なコンポーネントに抽象化する,モジュール型ステートマシンベースのオーケストレーションフレームワークを開発した。
論文 参考訳（メタデータ） (2026-06-13T03:15:30Z) - Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。
この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。
各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
論文 参考訳（メタデータ） (2026-05-17T10:26:37Z) - Beyond Individual Intelligence: Surveying Collaboration, Failure Attribution, and Self-Evolution in LLM-based Multi-Agent Systems [65.90791804095561]
マルチエージェントシステムは、特殊エージェント間の構造化された協調を通じてこの問題に対処するが、より厳密な調整は、あまり検討されていないリスクを増幅する。
既存の調査では、個々のエージェント能力、マルチエージェントのコラボレーション、エージェントの自己進化を別々にカバーしている。
この調査は4つの因果関係のあるステージを中心にまとめられた統一されたレビューを提供する。これはLIFEの進展(Lay the capabilities foundation)、協力によるエージェントの統合、帰属による障害の発見、自律的な自己改善によるEvolveである。
論文 参考訳（メタデータ） (2026-05-14T14:36:13Z) - AURA: An Agent Autonomy Risk Assessment Framework [0.0]
AURA(Agent aUtonomy Risk Assessment)はエージェントAIによるリスクの検出、定量化、緩和を目的とした統合されたフレームワークである。
AURAは、1つまたは複数のAIエージェントを同期的に、あるいは非同期に実行するリスクをスコアし、評価し、緩和するインタラクティブなプロセスを提供する。
AURAはエージェントAIの責任と透過性をサポートし、計算リソースのバランスを保ちながら、堅牢なリスク検出と緩和を提供する。
論文 参考訳（メタデータ） (2025-10-17T15:30:29Z) - From MAS to MARS: Coordination Failures and Reasoning Trade-offs in Hierarchical Multi-Agent Robotic Systems within a Healthcare Scenario [3.5262044630932254]
マルチエージェントロボットシステム(MARS)は、物理的およびタスク関連の制約を統合することで、マルチエージェントシステム上に構築される。
高度なマルチエージェントフレームワークが利用可能であるにも関わらず、実際のロボットへのデプロイメントは制限されている。
論文 参考訳（メタデータ） (2025-08-06T17:54:10Z) - SafeMobile: Chain-level Jailbreak Detection and Automated Evaluation for Multimodal Mobile Agents [58.21223208538351]
本研究は,モバイルマルチモーダルエージェントを取り巻くセキュリティ問題について考察する。
行動シーケンス情報を組み込んだリスク識別機構の構築を試みる。
また、大規模言語モデルに基づく自動アセスメントスキームも設計している。
論文 参考訳（メタデータ） (2025-07-01T15:10:00Z) - Kaleidoscopic Teaming in Multi Agent Simulations [75.47388708240042]
我々は,エージェントが行う複雑な行動,思考プロセス,行動の安全性リスクを評価する上で,既存のレッドチームや安全評価フレームワークは不十分であると主張している。
我々は,新しいコンテキスト内最適化手法を導入し,安全解析のためのより良いシナリオを生成する。
エージェントの安全性を測定するためのフレームワークとともに使用できる適切なメトリクスを提案する。
論文 参考訳（メタデータ） (2025-06-20T23:37:17Z) - Leveraging Large Language Models for Risk Assessment in Hyperconnected Logistic Hub Network Deployment [3.3454502835917035]
ハブデプロイメントを成功させるためには、動的リスクアセスメントが不可欠です。
従来の手法では、構造化されていない情報を効果的に捉え分析するのに苦労することが多い。
このフレームワークは長期記憶にスケーラビリティを取り入れ、説明と解釈を通じて意思決定を強化する。
論文 参考訳（メタデータ） (2025-03-27T03:13:22Z)
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。