論文の概要: The Agent Board: Kanban for Machines; Durable Coordination for Agents That Outlive the Conversation
- arxiv url: http://arxiv.org/abs/2611.04100v1
- Date: Tue, 03 Nov 2026 00:21:54 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:33:20.392274
- Title: The Agent Board: Kanban for Machines; Durable Coordination for Agents That Outlive the Conversation
- Title（参考訳）: エージェントボード: マシンのためのかんばん; 会話に勝るエージェントのための耐久性のあるコーディネート
- Abstract要約: コービックハーネスにおける調整基板であるエージェントボードについて述べる。
エージェントはタスクを投稿し、タスクを監視し、それらをブロックし、ターンを終了し、一致するポストが起動するまでプロセスを保持しない。
システムエージェントであるボードキーパーは、ボードの割り込みハンドラとして機能する。
- 参考スコア（独自算出の注目度）: 0.05461938536945721
- License:
- Abstract: Harnesses for large language models have converged on a single-threaded shape: one agent, one history, one machine, one sitting. That shape fails work that spans many agents, outlives any one model call, or waits on systems that are not agents. We describe the Agent Board, the coordination substrate in the Corvic harness. The board is a durable, shared table of semi-semantic tasks: a few exact fields the system routes on, and a free-form body that only language models read. Agents post tasks, watch tasks, and block on them, ending their turn and holding no process until a matching post wakes them. A system agent, the Board Keeper, acts as the interrupt handler for the board: it carries events from non-agent parts of the harness onto the board, matches them to waiting tasks by reading their prose, and allocates new agents for tasks that name a kind of agent rather than an instance. Loadable coordination policy kernels give statuses and roles meaning for a given pattern of work, without the board enforcing them. The design mirrors the kanban board a human team puts on a wall. We argue it is what persistent agent products such as Meta Muse, OpenAI dots and SpaceXAI Grok Bot need once an agent must wait, hand off work, or work with agents from another vendor. We view the board as an operating-system scheduler for agents and state where the analogy breaks. We separate what the mechanism guarantees from what it leaves to convention, and report a trace from a live board and three small simulated pilots. In the pilots, the wait cost of the board was flat in wait length while naive polling grew about 165-fold, but a plain external watcher was cheaper than the board. The Board Keeper matched prose waiters with no false wakes but missed 3.6 percent of real wakes.
- Abstract（参考訳）: 大きな言語モデルのハーネスは、1つのエージェント、1つの履歴、1つのマシン、1つの座る1つのシングルスレッド形状に収束している。
このシェイプは多くのエージェントにまたがる作業に失敗し、1つのモデル呼び出しに勝り、エージェントではないシステムで待機します。
コービックハーネスにおける調整基板であるエージェントボードについて述べる。
ボードは丈夫で共有された半セマンティックなタスクの表で、システムはいくつかの正確なフィールドをオンにしており、言語モデルのみを読み取る自由形式のボディである。
エージェントはタスクを投稿し、タスクを監視し、それらをブロックし、ターンを終了し、一致するポストが起動するまでプロセスを保持しない。
システムエージェントであるボードキーパーは、ボードの割り込みハンドラとして機能し、ハーネスの非エージェント部分からのイベントをボードに運び、彼らの散文を読むことで待機タスクとマッチングし、インスタンスではなく、ある種のエージェントを名付けるタスクに新しいエージェントを割り当てる。
ロード可能なコーディネーションポリシカーネルは、ボードがそれを強制することなく、与えられた作業パターンに対するステータスと役割を提供します。
デザインは、人間が壁にかけるかんばんボードを反映します。
私たちは、Meta Muse、OpenAI dots、SpaceXAI Grok Botのような永続的なエージェント製品が必要なのは、エージェントが待機し、仕事を手渡し、あるいは他のベンダーのエージェントと作業する必要がある、と論じています。
我々は、このボードを、類似が壊れるエージェントや状態のためのオペレーティングシステムスケジューラと見なしている。
私たちは、このメカニズムが保証するものと、慣例とを区別し、ライブボードと3人の小さなシミュレートされたパイロットから痕跡を報告します。
パイロットでは、ボードの待ち時間コストは、平均的なポーリングが約165倍に成長する一方で、ボードよりも通常の外部監視機の方が安価であった。
委員会キーパーは偽のウェイターなしで散文のウェイターと一致したが、実際のウェイターの3.6%を逃した。
関連論文リスト
- Concordat: Typed Sessions for LLM Agents [0.8122270502556375]
インタフェースが有限状態プロトコルであるオブジェクトとしてエージェントを扱うPythonライブラリであるConcordatを提示する。
各ターンでモデルが提供されるのは、現在のプロトコル状態において合法的なツールのみである。
我々は,50の航空業務におけるタウベンチの標準エージェントに対するコンコルダットエージェントの評価を行い,エージェントに確認を欠くよう圧力をかけた模擬顧客を加えた。
論文 参考訳（メタデータ） (2026-10-27T16:00:26Z) - AutoOnboarder: Autonomously Onboarding LLM Agents [5.10803857320792]
AutoOnboarderは、トレーナーが新しい従業員を乗せる際のタスクにエージェントを適応させる自律システムである。
エージェントをインテリジェントなオンボーダーのコーディングエージェントの監督下に配置し、ファンデーションモデルを反復的に調整し、ソースコードをプロンプトし、同時にパフォーマンスを改善し、コストを削減します。
論文 参考訳（メタデータ） (2026-10-15T04:07:34Z) - Kairos: Transactional Security Enforcement at the System Boundary for LLM Agents [10.493000314031077]
大規模言語モデル(LLM)エージェントは、ソフトウェア開発ライフサイクルの不可欠な部分になりつつある。
修正されていない不透明なエージェントの分離境界における参照モニタであるKairosを提示する。
どの情報源が信頼されているかを記述する宣言的政策は、ほとんどの効果を決定論的に決定し、残りを無視し、エージェントが投機的に継続する間に保持される。
論文 参考訳（メタデータ） (2026-10-13T14:24:26Z) - Scaling Multi-Agent Intelligence with Substrate-Centric Coordination [81.07621998832299]
既存の大規模言語モデル(LLM)ベースのマルチエージェントシステムは、スケーラビリティが低いことが示されている。
エージェントが3つの操作を通じてリンクされたメッセージの共有データストアと対話するScaleMASを構築します。
4つのエージェントタスクにわたって、ScaleMASはエージェント中心およびブラックボードスタイルのベースラインを低い推論計算で上回る。
論文 参考訳（メタデータ） (2026-10-12T03:37:39Z) - Your Agents Are Aging Too: Agent Lifespan Engineering for Deployed Systems [60.79651380135334]
長寿命のAIエージェントは、永続的な運用システムとしてますますデプロイされる。
エージェントはデプロイ後、いつまで信頼できるのか?
エージェントライフスパンエンジニアリングのための縦型信頼性ベンチマークであるAgingBenchを紹介する。
論文 参考訳（メタデータ） (2026-05-25T19:55:12Z) - Workspace Optimization: How to Train Your Agent [49.579258311548635]
我々はエージェントのEmphworkspaceであり、それが読み取り、書き込み、テストする構造化された外部基質であると主張している。
本稿では,重み空間トレーニングの構造を反映して,作業空間を進化させる原理的手法を提案する。
ARC-AGI-3のマルチエージェントハーネスであるDreamTeamのアイデアをインスタンス化する。
論文 参考訳（メタデータ） (2026-05-10T16:52:10Z) - AgentArk: Distilling Multi-Agent Intelligence into a Single LLM Agent [57.10083973844841]
AgentArkは、マルチエージェントダイナミクスを単一のモデルの重みに蒸留する新しいフレームワークである。
各種モデル,タスク,スケーリング,シナリオの3つの階層的蒸留戦略について検討する。
シミュレーションからトレーニングへ計算の負担をシフトさせることで、蒸留されたモデルは、複数のエージェントの強い推論と自己補正性能を示しながら、一つのエージェントの効率を保ちます。
論文 参考訳（メタデータ） (2026-02-03T19:18:28Z) - AgentKit: Structured LLM Reasoning with Dynamic Graphs [91.09525140733987]
多機能エージェントのための直感的なLCMプロンプトフレームワーク(AgentKit)を提案する。
AgentKitは、単純な自然言語プロンプトから複雑な"思考プロセス"を明示的に構築するための統一されたフレームワークを提供する。
論文 参考訳（メタデータ） (2024-04-17T15:40:45Z)
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。