論文の概要: Where Autonomy Belongs: A Separation of Powers for Agentic Program Evolution
- arxiv url: http://arxiv.org/abs/2611.15309v1
- Date: Wed, 11 Nov 2026 10:44:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.104923
- Title: Where Autonomy Belongs: A Separation of Powers for Agentic Program Evolution
- Title(参考訳): 自律性が長い場所:エージェントプログラム進化のためのパワーの分離
- Abstract要約: LLMによるプログラムの進化は3つの決定に依存している。
統治は蓄積した証拠から捜索を指示し、次の候補者を立案し、裁判官は妥当性と適合性を判断する。
エージェント中心のシステムでは、コーディングエージェントが認知的および計算的コストで、制御と提案の両方を引き継ぐことができる。
我々は、パワー分離アーキテクチャであるEvoTriasでこの問題に対処する。
- 参考スコア(独自算出の注目度): 11.457869198204483
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM-driven program evolution rests on three decisions: govern directs the search from accumulated evidence, propose constructs the next candidate, and judge settles validity and fitness. All three appear in every system, and existing work splits into two lines over who makes each. Controller-centric systems strengthen govern and neglect the autonomy of propose, which caps what evolution can reach. Agent-centric systems let a coding agent take over both govern and propose, at a cognitive and computational cost. Neither line protects the independent authority of judge, so benchmark reliability suffers. These failures share one root: autonomy is misallocated across the three decisions. We address this problem with EvoTrias, a separation-of-powers architecture in which each decision has one owner: Structured Governance for what spans evolution rounds, Open Proposal for construction inside a task, and Protected Judgment behind a private evaluator. These owners exchange typed contracts only, and runtime hooks reinforce the boundaries. This separation also lets EvoTrias run as a plugin that turns an existing coding agent into an evolution system. EvoTrias sets a new state of the art on mathematical, systems, and algorithm-design benchmarks. Three further results show what each owner buys: separating Governance from Proposal cuts token cost by 64%, Open Proposal extends evolution to a 680K-line industrial repository, and Protected Judgment keeps benchmark scores faithful to transfer.
- Abstract(参考訳): 統治は蓄積された証拠から探索を指示し、次の候補を提案し、裁判官は妥当性と適合性を判断する。
3つとも全てのシステムに現れ、既存の作業は、誰が作るかという2つのラインに分かれる。
コントローラ中心のシステムは提案の自律性を強化し、無視する。
エージェント中心のシステムでは、コーディングエージェントが認知的および計算的コストで、制御と提案の両方を引き継ぐことができる。
どちらのラインも裁判官の独立した権威を守らないので、ベンチマークの信頼性が損なわれる。
これらの失敗は1つのルーツを共有します。
この問題に対処するEvoTriasは、各決定が1つのオーナを持つパワーの分離アーキテクチャである。進化ラウンドにまたがる構造的ガバナンス、タスク内での構築のためのオープンプロポーザル、プライベートな評価者の背後にある保護的判断である。
これらの所有者は型付きコントラクトのみを交換し、ランタイムフックはバウンダリを強化します。
この分離により、EvoTriasは既存のコーディングエージェントを進化システムに変えるプラグインとしても動作する。
EvoTriasは数学、システム、アルゴリズム設計のベンチマークに新しい最先端を設定している。
提案からガバナンスを分離することでトークンコストを64%削減し、オープンプロポーザルは680Kラインの産業リポジトリに進化を拡大し、Protected Judgmentはベンチマークスコアを移行に忠実に維持する。
関連論文リスト
- Governed Self-Evolution for Autonomous Investing: A Multi-Agent LLM System with an Invariant Core [6.288734775961661]
我々は,その型システムにおける自己進化の境界を描画するマルチエージェントLLMシステムであるStewardを提案する。
4人のアナリストがニュースフィード、SEC(証券取引委員会)の申請書、マクロ経済シリーズ、および市場データを読み、タイプ付きレポートを発行する。
第2に、システム自身のレコードからコードによって組み立てられた7層共有メモリは、それぞれの決定にその位置コンテキストを与える。
第3に、システムはレビューによって改善されている。コードはすべての取引をグレードし、夜間に予測し、グレードをメモリに書き込む。
論文 参考訳(メタデータ) (2026-10-22T00:22:47Z) - RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
正規化再帰的自己改善型エージェント・ハーネス(RRSI)
本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。
RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
論文 参考訳(メタデータ) (2026-09-21T17:54:49Z) - Beyond Autonomy: A Dynamic Tiered AgentRunner Framework for Governable and Resilient Enterprise AI Execution [1.509090088899154]
プロダクショングレードのマルチテナントプラットフォームから抽出した制御実行プロトコルであるDynamic Tiered AgentRunnerを提案する。
本フレームワークは,(1)タスクリスクプロファイルに基づいて動的に計算資源を割り当てるリスク適応型タイリング,(2)物理的に分離された独立したエージェントによって提案,レビュー,実行,検証を行うパワーズアーキテクチャの分離,(3)障害を第一級システム状態として扱う検証器-回復閉ループによるレジリエンス・バイ・デザインの3つのコアメカニズムを紹介する。
論文 参考訳(メタデータ) (2026-05-11T09:03:48Z) - Internal vs. External: Comparing Deliberation and Evolution for Multi-Agent Constitutional Design [0.0]
3つの社会環境における内的議論と外的進化を比較した。
内部の自己支配取引が構造的応答性のためにピークとなる間、ピークにおいて外部最適化が勝利する。
論文 参考訳(メタデータ) (2026-05-09T19:19:52Z) - When Agents Evolve, Institutions Follow [52.359340707289114]
大規模言語モデル上に構築されたマルチエージェントシステムは、同じ課題に直面している。
彼らの中心的な問題は、個人の知性だけでなく、集団的な組織である。
我々は,4つの標準的ガバナンスパターンにまたがる7つの歴史的政治機関を,実行可能なマルチエージェントアーキテクチャに翻訳する。
論文 参考訳(メタデータ) (2026-04-30T10:30:58Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳(メタデータ) (2026-04-29T19:32:58Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳(メタデータ) (2026-03-13T20:44:15Z) - Towards Selection as Power: Bounding Decision Authority in Autonomous Agents [0.0]
我々は、認知、選択、行動を独立したドメインに分離し、自律性を主権のベクトルとしてモデル化するガバナンスアーキテクチャを提案する。
変動操作,しきい値ゲーム,フレーミングスキュー,順序付け効果,エントロピー探索を対象とし,複数の規制された金融シナリオを対象としたシステムの評価を行った。
その結果、機械的選択ガバナンスは実装可能であり、監査可能であり、推論能力を維持しながら決定論的結果の獲得を防止することが示されている。
論文 参考訳(メタデータ) (2026-02-16T10:10:47Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳(メタデータ) (2025-11-10T22:24:21Z)
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。