論文の概要: Agency as a New Organizing Abstraction for Computer Science
- arxiv url: http://arxiv.org/abs/2610.17410v1
- Date: Mon, 12 Oct 2026 21:21:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.457839
- Title: Agency as a New Organizing Abstraction for Computer Science
- Title（参考訳）: コンピュータ科学の新たな組織的抽象化としてのエージェンシー
- Abstract要約: エージェントAIシステムは、目標を追求し、アクションを開始し、オープン環境と対話する、永続的で自律的な計算エンティティである。
我々はまた、コンピュータ科学の新しい組織的抽象化候補であると主張する。
これらのギャップを6次元(実行、インターフェース、正しさ、監視、調整、永続性)で調べ、それらを閉じるにはシステムの協調的な進歩が必要であると論じる。
- 参考スコア（独自算出の注目度）: 1.250757157287998
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advances in large-scale machine learning have enabled agentic AI systems: persistent, autonomous computational entities that pursue goals, initiate actions, and interact with open environments. These systems are often framed as applications of foundation models. We argue that this framing is incomplete: agency is also a candidate new organizing abstraction for computer science. What is new is not the concept of an agent, nor runtime policy generation per se, but its general-purpose, open-ended form, in which systems can synthesize courses of action from goals, observations, and memory, over tools and environments for which no complete task-specific model was specified in advance. Thus agency becomes a systems-level abstraction as well as an AI modeling concept. Where the process abstraction organizes computation around executing programs, agency organizes it around pursuing goals under bounded resources: a process executes a program; an agent pursues a goal. From this perspective, the recurring failures of deployed agentic systems (runaway resource consumption, behavior redirected by adversarial content, opaque continuous operation) are symptoms of structural abstraction gaps, not isolated engineering defects. We examine these gaps across six dimensions (execution, interfaces, correctness, oversight, coordination, and persistence) and argue that closing them requires coordinated advances in systems,
- Abstract（参考訳）: 大規模機械学習の進歩により、エージェントAIシステム — 目標を追求し、アクションを開始し、オープン環境と対話する、永続的で自律的な計算エンティティ — が実現された。
これらのシステムは、しばしば基礎モデルの応用としてフレーム化される。
我々は、このフレーミングが不完全であると主張する。
新しいのはエージェントの概念や実行時ポリシーの生成ではなく、その汎用的でオープンな形式であり、システムが目標、観測、記憶からアクションのコースを合成できる。
したがって、エージェンシーはAIモデリングの概念と同様にシステムレベルの抽象化となる。
プロセス抽象化がプログラムの実行に関する計算を整理する際、エージェントはプログラムを実行する、エージェントは目標を追求する。
この観点からは、配置されたエージェントシステムの繰り返し故障(資源消費、敵のコンテンツによるリダイレクト、不透明な連続操作)は、孤立したエンジニアリング欠陥ではなく、構造的抽象的ギャップの兆候である。
これらのギャップを6次元(実行、インターフェース、正しさ、監視、調整、永続性)で調べ、それらを閉じるにはシステムの協調的な進歩が必要であると論じる。
関連論文リスト
- Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence [115.91847478507736]
LLMは言語ジェネレータから、複雑な長距離タスクが可能な自律エージェントへと進化してきた。
多くのタスクにはヘテロジニアスな専門知識、相互依存サブタスク、並列実行、独立検証、永続状態が必要である。
私たちはこれをシステムインテリジェンス(System Intelligence)と呼び、複数のインテリジェントなコンポーネントを一貫した適応的な全体へと整理し、コーディネートするエージェントシステムの能力である。
論文 参考訳（メタデータ） (2026-08-21T14:27:57Z) - From World Action Models to Embodied Brains: A Roadmap for Open-World Physical Intelligence [54.62791372989525]
アクションモデル、ビジョン言語-アクションポリシー、世界モデルは、この目標を前進させた。
世界行動モデル(WAM)は、候補者の介入と予測された結果とを結びつけるため、特に有望である。
我々は、WAMへの進化をレビューし、これらの制限をモデルの役割と表現、目的と標準化、システム構成という3つの組み合わせのギャップにまとめる。
論文 参考訳（メタデータ） (2026-07-13T15:22:56Z) - Step-level Optimization for Efficient Computer-use Agents [51.29573359027217]
我々は、強力なコンピュータ利用エージェントは、実際は高価で遅いと論じている。
本稿では,コンピュータ利用エージェントのためのイベント駆動ステップレベルカスケードを提案する。
論文 参考訳（メタデータ） (2026-04-29T19:59:36Z) - Artificial Agency Program: Curiosity, compression, and communication in agents [0.10152838128195464]
本稿では,AIシステム構築の立場と研究課題について述べる。
中心的な主張は、AIは拡張されたヒューマンツールシステムの一部として扱われるときに最も有用である、ということだ。
本研究の目的は,本質的な動機づけ,情報理論,熱力学,有界合理性,現代推論システムを結合する概念的かつ実験的枠組みを提供することである。
論文 参考訳（メタデータ） (2026-02-27T15:40:31Z) - Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。
また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
論文 参考訳（メタデータ） (2026-01-18T19:51:16Z) - Beyond Task Completion: An Assessment Framework for Evaluating Agentic AI Systems [0.0]
エージェントAIの最近の進歩は、スタンドアロンの大規模言語モデルから統合システムへと焦点を移している。
LLM、メモリ、ツール、環境を含む4つの評価柱を持つエンドツーエンドのエージェントアセスメントフレームワークを提案する。
我々はこのフレームワークを、従来のメトリクスによる振る舞いの偏りを示す、代表的なAutonomous CloudOpsユースケースで検証する。
論文 参考訳（メタデータ） (2025-12-14T18:17:40Z) - A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems [53.37728204835912]
既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。
近年,インタラクションデータと環境フィードバックに基づいてエージェントシステムを自動拡張するエージェント進化手法が研究されている。
この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
論文 参考訳（メタデータ） (2025-08-10T16:07:32Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z)
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。