論文の概要: Why Agentic Workflows Fail: A Taxonomy Derived from Literature and Empirical Data
- arxiv url: http://arxiv.org/abs/2610.17418v1
- Date: Mon, 12 Oct 2026 21:32:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.458617
- Title: Why Agentic Workflows Fail: A Taxonomy Derived from Literature and Empirical Data
- Title（参考訳）: エージェントワークフローが失敗する理由:文学と実証データから派生した分類学
- Abstract要約: 本稿では,エージェントワークフロー障害のソースアウェア分類について述べる。
これは学術文献やGitHubの証拠に当てはまる。
構造化評価、根本原因分析、障害注入、エンジニアリングトリアージの基礎を提供する。
- 参考スコア（独自算出の注目度）: 9.103386931011562
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic workflows combine large language models with planning, memory, tools, execution environments, and iterative feedback. Their failures are difficult to diagnose because the same user-visible symptom may originate from model behavior, workflow orchestration, external tools, infrastructure, or their interaction. This paper presents a source-aware taxonomy of agentic workflow failures and applies it to evidence from academic literature and GitHub. The taxonomy combines source attribution with three empirical dimensions: a concrete failure-type dictionary, workflow-stage localization, and agent-capability localization. Its central structure is a two-axis localization matrix: workflow stages form the horizontal process axis and agent capabilities form the vertical functional axis. This design moves beyond taxonomies that mainly classify final failure manifestations by localizing intermediate process states inside agent operation. Our empirical comparison shows that literature-derived failures emphasize planning, reasoning, learning, perception, and knowledge-related mechanisms, whereas GitHub-derived failures concentrate on execution-stage, actuation-related, tool, API, and infrastructure failures. The dominant hotspot is iterative execution and actuation. These findings indicate that agentic workflow reliability should be treated as a systems problem rather than only a model-output problem. The taxonomy provides a basis for structured evaluation, root cause analysis, failure injection, and engineering triage.
- Abstract（参考訳）: エージェントワークフローは、大きな言語モデルと計画、メモリ、ツール、実行環境、反復的なフィードバックを組み合わせる。
モデル動作、ワークフローオーケストレーション、外部ツール、インフラストラクチャ、あるいはそれらのインタラクションから、同じユーザ可視の症状が引き起こされる可能性があるため、それらの障害の診断は困難である。
本稿では,エージェントワークフロー障害のソース・アウェアな分類法を提案し,学術文献やGitHubの証拠に適用する。
分類学は、ソース属性と、具体的な失敗型辞書、ワークフローステージのローカライゼーション、エージェント能力のローカライゼーションの3つの経験的な次元を組み合わせる。
ワークフローステージは水平プロセス軸を形成し、エージェント能力は垂直機能軸を形成する。
この設計は、エージェント操作内の中間プロセス状態のローカライズによって、最終失敗の徴候を主に分類する分類学を越えている。
私たちの経験的比較では、文献由来の障害が計画、推論、学習、認識、知識関連メカニズムを重視しているのに対して、GitHub由来の障害は実行ステージ、アクティベーション関連、ツール、API、インフラストラクチャ障害に重点を置いています。
主なホットスポットは反復実行とアクティベーションである。
これらの結果から,エージェントワークフローの信頼性は,単なるモデル出力問題ではなく,システム問題として扱うべきであることが示唆された。
分類学は、構造化評価、根本原因分析、障害注入、エンジニアリングトリアージの基礎を提供する。
関連論文リスト
- Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。
ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
論文 参考訳（メタデータ） (2026-10-08T08:26:46Z) - Model or Harness? An Interaction-Centric Taxonomy for Localizing Agent Failures [5.14587904921075]
既存の評価は、エージェントの障害をシステムレベルの結果に還元し、どの障害がどこから発生し、どの介入がエージェントシステムを改善するのかを無視する。
同じ可視的障害は、トレーニング後のモデル、ハーネスエンジニアリング、環境再設計、あるいはそのソースによるベンチマーク修復を要求する可能性がある。
ほとんどの失敗は、ベンチマークに特有で共有構造がないため、この問題を解決するのにほとんど役立ちません。
そこで本研究では,障害を発生源とする相互作用に局所化し,責任成分を同定する相互作用中心の分類法を提案する。
論文 参考訳（メタデータ） (2026-07-30T19:55:14Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - Trace-Level Analysis of Information Contamination in Multi-Agent Systems [8.829951903444352]
不均一なアーティファクトに対する推論は、構造化エージェント内でますます発生する。
本研究では,不確実性を制御変数として扱うことにより,この現象を研究する。
我々は3つの表現型を特徴づける:サイレントセマンティックな腐敗、リカバリを伴う行動パターン、構造破壊と制御フローシグネチャの組み合わせ。
論文 参考訳（メタデータ） (2026-04-30T08:39:42Z) - The Semi-Executable Stack: Agentic Software Engineering and the Expanding Scope of SE [3.6320170149653985]
AIベースのシステムは、ソフトウェアエンジニアリングに対する脅威として、ますます議論されている。
この論文は別の読み方を主張する。
設計されているものは、実行可能なコードから半実行可能なアーティファクトへと拡張するということです。
論文 参考訳（メタデータ） (2026-04-16T18:36:02Z) - Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。
実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
論文 参考訳（メタデータ） (2026-01-27T04:00:48Z) - The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution [63.61358761489141]
LLM(Large Language Model)ベースのエージェントは、カスタマーサービス、Webナビゲーション、ソフトウェアエンジニアリングといった現実世界のアプリケーションで広く使われている。
本稿では,タスク結果に関係なく,エージェントの動作を駆動する内部要因を識別する,テキスト汎用エージェント属性のための新しいフレームワークを提案する。
標準ツールの使用やメモリ誘起バイアスのような微妙な信頼性リスクなど、さまざまなエージェントシナリオでフレームワークを検証する。
論文 参考訳（メタデータ） (2026-01-21T15:22:21Z) - Synthesizing Procedural Memory: Challenges and Architectures in Automated Workflow Generation [0.5599792629509229]
本稿では、受動的ツールユーザからアクティブなワークフローアーキテクトへの移行を運用する。
エージェントは仮説、調査、コードの科学的方法論を強制することによって、堅牢で生産レベルのコードスキルを自律的に書けることを実証する。
論文 参考訳（メタデータ） (2025-12-23T11:33:32Z) - DyFlow: Dynamic Workflow Framework for Agentic Reasoning [79.19799197382478]
DyFlowは動的ワークフロー生成フレームワークで、タスク要求とリアルタイム中間フィードバックに基づいて推論手順を適応的に構築し、調整する。
社会的推論,生物医学的タスク,数学的問題解決,コード生成など,さまざまな領域でDyFlowを体系的に評価する。
結果は、DyFlowが既存のベースラインを大幅に上回り、Pass@kの改善を実現し、さまざまなドメインにわたって堅牢な一般化を示すことを示した。
論文 参考訳（メタデータ） (2025-09-30T10:36:23Z)
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。