論文の概要: Multi-agent LLMs on the Cloud-Edge-IoT Continuum: A Systematic Mapping Study on Architectures, Deployment, and Evaluation
- arxiv url: http://arxiv.org/abs/2610.28702v1
- Date: Tue, 20 Oct 2026 11:48:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.104469
- Title: Multi-agent LLMs on the Cloud-Edge-IoT Continuum: A Systematic Mapping Study on Architectures, Deployment, and Evaluation
- Title（参考訳）: Cloud-Edge-IoT連続体上のマルチエージェントLCM:アーキテクチャ、デプロイメント、評価に関する体系的マッピング
- Abstract要約: クラウド-エッジ-IoT連続体にまたがって、マルチエージェントのLLMシステムがどのように組織化され、デプロイされるかは、体系的にマッピングされていない。
2026年3月までに回収された851件の記録から,45件のプライマリ・スタディを選択し,それぞれをアーキテクチャ・ファミリー,デプロイメント・パターン,アプリケーション・ドメイン,評価の実践によって分類した。
45の研究のうち24は、IoT、工業、スマートホーム、ヘルスケア、車載、ロボットなどの設定を対象とし、29は物理ハードウェアの評価を行っている。
- 参考スコア（独自算出の注目度）: 0.5872014229110213
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM applications are increasingly built as systems of cooperating components rather than as single prompt-response pipelines. IoT applications add constraints of their own, because sensing, reasoning, control, and actuation are spread across devices, edge nodes, and cloud services to meet latency, privacy, and bandwidth requirements. How multi-agent LLM systems are organized and deployed across this cloud-edge-IoT continuum has not been mapped systematically. We therefore conducted a systematic mapping study. From 831 records retrieved up to March 2026, we selected 45 primary studies and classified each one by architecture family, deployment pattern, application domain, and evaluation practice. We also recorded how each system was evaluated and whether its code or data are public. Five architecture families recur in the corpus. Specialized agent teams run next to sensors, planners delegate subtasks to workers, and small local models cooperate with large cloud models. A fourth group federates model adaptation across devices, and a large fifth group builds the supporting infrastructure for offloading, communication, memory, and serving. Deployment relies on six recurring patterns, ranging from local-only execution to control loops gated by policy checks or human approval. Twenty-four of the 45 studies target IoT, industrial, smart-home, healthcare, vehicular, or robotics settings, and 29 evaluate on physical hardware, where open models below 8B parameters dominate. Based on the mapping, we list the reporting items needed to make future evaluations comparable, give deployment guidance for common IoT constraints, and identify open problems.
- Abstract（参考訳）: LLMアプリケーションは、シングルプロンプト応答パイプラインではなく、コンポーネントを協調するシステムとしてますます構築されている。
IoTアプリケーションは、レイテンシ、プライバシ、帯域幅要件を満たすために、デバイス、エッジノード、クラウドサービスにセンサー、推論、制御、アクティベーションが分散するため、独自の制約を追加する。
このクラウド-エッジ-IoT連続体にまたがって、マルチエージェントのLLMシステムがどのように組織化され、デプロイされるかは、体系的にマッピングされていない。
そこで我々は,系統地図研究を行った。
2026年3月までに回収された851件の記録から,45件のプライマリ・スタディを選択し,それぞれをアーキテクチャ・ファミリー,デプロイメント・パターン,アプリケーション・ドメイン,評価の実践によって分類した。
また、各システムがどのように評価され、そのコードやデータが公開されているかも記録した。
5つの建築の家族がコーパスで再起動します。
特殊なエージェントチームはセンサーの隣を走り、プランナーは労働者にサブタスクを委譲し、小さなローカルモデルは大きなクラウドモデルと協調する。
第4グループはデバイス間でモデルを適応させ、第5グループはオフロード、通信、メモリ、サービスをサポートするインフラストラクチャを構築します。
デプロイは、ローカルのみの実行から、ポリシーチェックや人間の承認によってゲートされるコントロールループまで、6つの繰り返しパターンに依存している。
45の研究のうち24は、IoT、工業、スマートホーム、ヘルスケア、車載、ロボットなどの設定を対象とし、29は物理ハードウェアの評価を行い、8Bパラメータ以下のオープンモデルが支配的だ。
マッピングに基づいて、将来の評価に匹敵するために必要なレポート項目をリストアップし、一般的なIoT制約に対するデプロイメントガイダンスを提供し、オープンな問題を特定します。
関連論文リスト
- EGI-BENCH: An Enterprise General Intelligence Benchmark Suite [49.949941814209076]
EGI-BENCHは8つのエンタープライズエージェントベンチマークを統合した統合されたエージェントベンチマークスイートである。
スイートの上に6次元フレームワーク(M1-M6)であるEnterprise General Intelligence (EGI) Scoreを定義します。
このスイート,サブメトリックルーティング,およびクイック/ディープ予算について述べるとともに,14のフロンティアとコスト効率のLLMについて報告する。
論文 参考訳（メタデータ） (2026-10-19T20:02:07Z) - Agentic Cognitive Depth: Operational Criteria for Evaluating LLM Agents [3.008981940003398]
我々は,エージェント認知深度を5つの操作基準の軌跡レベルプロファイルとして定義する。
プロファイルには、文脈感受性、時間的連続性、マルチモーダル調整、適応的相互作用、メタ認知的モニタリングが含まれる。
本稿では,GAIA,SWE-bench,WebArena,TRIP-Benchなどのベンチマークを基準値毎に拡張するために必要な構造について述べる。
論文 参考訳（メタデータ） (2026-10-03T00:19:23Z) - HAAS Studio: A Tool for Simulating, Benchmarking, and Governing Human-AI Work Allocation [0.0]
HAAS Studioは、人間とAIシステム間のポリシー対応タスク割り当てのためのシミュレーションおよび意思決定支援ツールである。
ソフトウェアエンジニアリング、製造、医療の3つのドメインパックが含まれている。
リリースには16の企業プロファイルと6つのガバナンスベンチマークスイートが含まれている。
論文 参考訳（メタデータ） (2026-05-18T22:07:02Z) - TeleCom-Bench: How Far Are Large Language Models from Industrial Telecommunication Applications? [12.347241408492279]
提案するTeleCom-Benchは,22,678個のキュレートされたサンプルを用いた12の評価セットからなる総合的なベンチマークであり,大規模言語モデルの評価を行う。
現在のLSMは診断技師として機能するが、現場エンジニアとして機能しないことを示す。
この能力ギャップは、現在のLLMが診断医として機能するが、現場エンジニアとして機能しないことを示す。
論文 参考訳（メタデータ） (2026-05-18T08:14:49Z) - REGAL: A Registry-Driven Architecture for Deterministic Grounding of Agentic AI in Enterprise Telemetry [0.0]
大規模言語モデル(LLM)は、エージェント自動化の新しい形態を可能にする。
本稿では,企業テレメトリにおけるエージェントAIシステムの決定論的基盤化のためのレジストリ駆動型アーキテクチャREGALを提案する。
論文 参考訳（メタデータ） (2026-03-03T14:13:39Z) - Enterprise Deep Research: Steerable Multi-Agent Deep Research for Enterprise Analytics [75.4712507893024]
Enterprise Deep Research (EDR)は、適応的なクエリ分解のためのマスタープランニングエージェントを統合するマルチエージェントシステムである。
4つの専門的な検索エージェント(General, Academic, GitHub, LinkedIn)と、データ駆動インサイトのための可視化エージェントも含まれている。
EDRは、オプショナル・イン・ザ・ループ・ステアリング・ガイダンスによる研究の方向性を反映する。
論文 参考訳（メタデータ） (2025-10-20T17:55:11Z) - OS Agents: A Survey on MLLM-based Agents for General Computing Devices Use [101.57043903478257]
アイアンマンの架空のJ.A.R.V.I.Sほど有能で多用途なAIアシスタントを作る夢は、長い間想像力に恵まれてきた。
マルチモーダル(multi-modal)な大きな言語モデル((M)LLMs)の進化により、この夢は現実に近づいている。
本調査は,OSエージェント研究の現状を整理し,学術調査と産業開発の両方の指針を提供する。
論文 参考訳（メタデータ） (2025-08-06T14:33:45Z) - CodeAgents: A Token-Efficient Framework for Codified Multi-Agent Reasoning in LLMs [16.234259194402163]
マルチエージェント推論を符号化し、マルチエージェントシステムにおける構造化されたトークン効率の計画を可能にするプロンプトフレームワークであるCodeAgentsを紹介する。
その結果, 計画性能は一貫した改善がみられ, 基本となる自然言語よりも3～36ポイントの絶対的な向上が見られた。
論文 参考訳（メタデータ） (2025-07-04T02:20:19Z) - ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks [64.86209459039313]
ThinkGeoは、構造化ツールの使用とマルチステップ計画を通じて、リモートセンシングタスクにおけるツール拡張エージェントを評価するために設計されたエージェントベンチマークである。
我々はReActスタイルの対話ループを実装し,486 個の構造化エージェントタスク上でのオープンソース LLM とクローズドソース LLM の両方を1,773 個の専門家が検証した推論ステップで評価する。
分析の結果、ツールの精度とモデル間の計画整合性に顕著な相違が明らかになった。
論文 参考訳（メタデータ） (2025-05-29T17:59:38Z)
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。