論文の概要: A$^3$: Adaptive Audio Agent Framework for Collaborative Edge Computing
- arxiv url: http://arxiv.org/abs/2611.18064v1
- Date: Fri, 13 Nov 2026 11:48:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.343278
- Title: A$^3$: Adaptive Audio Agent Framework for Collaborative Edge Computing
- Title(参考訳): A$^3$:協調エッジコンピューティングのための適応オーディオエージェントフレームワーク
- Abstract要約: A$3$はアダプティブオーディオエージェントフレームワークで、パイプライン全体のステージをサーバに配置する。
完全なフォールバックエージェントをホスト可能なデバイスに保持し、リンク対応のデッドラインで両方のパスをヘッジする。
JetsonデバイスとA4500サーバでは、A$3は、正常なリンク上のサーバのみのエージェントにマッチし、全停止時にすべてのリクエストに応答し、シミュレーションされた停止時にパーセンタイルのヘッジを打ち負かす。
- 参考スコア(独自算出の注目度): 8.004470246596634
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Embedded audio agents need a nearby edge server for speed, but a server-dependent agent returns nothing when the link fails. We present A$^3$, an adaptive audio agent framework that places whole pipeline stages on the server, keeps a complete fallback agent on devices that can host one, and hedges both paths with a link-aware deadline that decides when to give up on the server. On Jetson devices and an RTX A4500 server, A$^3$ matches the server-only agent on a healthy link, answers every request in a full outage on the AGX, and beats a percentile hedge in simulated outages.
- Abstract(参考訳): 組み込みオーディオエージェントは、速度のために近くのエッジサーバを必要とするが、サーバ依存のエージェントはリンクが失敗すると何も返さない。
A$^3$は、サーバにパイプラインステージ全体を配置するアダプティブオーディオエージェントフレームワークで、ホスト可能なデバイスに完全なフォールバックエージェントを保持し、サーバをいつ諦めるかを決定するリンク対応の期限で両方のパスをヘッジする。
JetsonデバイスとRTX A4500サーバでは、A$^3$は、正常なリンク上のサーバのみのエージェントと一致し、AGXのフル機能停止ですべてのリクエストに応答し、シミュレートされた停止でパーセンタイルのヘッジを破る。
関連論文リスト
- Superfluid: Local AI Server for Distributed LLM Inference [0.1804110888755157]
ローカルデバイス上での大規模言語モデル(LLM)の実行は、データをプライベートに保ち、トーケン毎のコストを削減し、ネットワークレイテンシを削減し、接続なしで動作し続ける。
両スケールのローカル推論のために構築されたオープンソースのサーバであるSuperfluidを提示する。
論文 参考訳(メタデータ) (2026-11-13T05:10:32Z) - Metal Sandbox: Isolated Execution and Command Scheduling for GPU Coding Agents on Apple Silicon [70.70012125721817]
制限されたインスタンスごとのファイルアクセス、ネイティブコマンド実行、コマンドレベルのスケジューリングを組み合わせたインフラストラクチャであるMetal Sandboxを紹介します。
4つのMac mini M4ノードの制御された実験は、集中需要下でコマンドスループットのゲインを1.68タイム$-$2.05タイム$を達成する。
論文 参考訳(メタデータ) (2026-11-12T18:54:42Z) - Evolving Agent Teams [58.34711503048237]
既存のコーディングエージェントは、実世界のエキスパートが書いたカーネル上で局所最適化に収束する。
ローカルな最適化から逃れるマルチエージェントフレームワークであるEvolving Agent Teamsを紹介する。
1)各ローカルの最適度を診断し、エージェントのチームを再構成する中央スーパーバイザーと、(2)学習文書を構成する永続ファイルシステムとを備えている。
論文 参考訳(メタデータ) (2026-10-27T08:46:21Z) - MemMux: Runtime Verification and Honest Resource Attribution for Fleets of Parallel Coding Agents [0.0]
標準ツールでは、どのエージェントに属しているかは定かでない。
MemMuxはリソース管理をチェック可能な信号に変換する。
MemMuxはゼロスワップで艦隊を予算(7.5ギB)に維持する。
論文 参考訳(メタデータ) (2026-10-05T18:56:34Z) - Governing the Edge: Automating Commercial Property and Casualty Insurance Underwriting via a Hybrid Local-Cloud Multi-Agent Framework [0.9857528377308394]
Governing the Edgeは、データ-レジデンシ制約に関する機密データを整理する。
このフレームワークは、単一のエッジデバイス上で、数分で40分間のマニュアルを処理します。
20-scenarioベンチマークの全体的なコンプライアンス精度は70%で、残りのギャップはよりソフトで判断ベースの層に集中している。
論文 参考訳(メタデータ) (2026-09-26T20:27:55Z) - AnovaX: A Local, Multi-Agent Voice Assistant with LLM Planning, Typed Executors, and Adaptive Recovery [0.0]
AnovaXは、ユーザのコンピュータ上で完全に動作する、ローカルファーストの小さなアシスタントである。
すべてのツールは、独自のリトライポリシーと共有リソースロックを持つ特別なエージェントクラスに対応する。
コンパニオンサーバは、ローカルWiFi上で電話フレンドリーなリモコンを公開する。
論文 参考訳(メタデータ) (2026-07-16T18:09:36Z) - Speculative Interaction Agents: Building Real-Time Agents with Asynchronous I/O and Speculative Tool Calling [64.40340291543971]
我々は,小さなエッジスケールモデルとのリアルタイムインタラクションを実現するための投機的インタラクションエージェントを提案する。
また、ストリーミング入力と非同期応答を処理するためにモデルを適応させるクロックベースのトレーニング手法を提案する。
このアプローチは、Qwen2.5-3B-InstructとLlama-3.2-3B-Instructモデルを複数のツール呼び出しベンチマークで1.6-2.2$times$ Speedupを提供する。
論文 参考訳(メタデータ) (2026-05-13T11:20:52Z) - RAGnaroX: A Secure, Local-Hosted ChatOps Assistant Using Small Language Models [0.0]
本稿では,資源効率の高いChatOpsアシスタントであるRAGnaroXについて紹介する。
AzureやOpenAIのような外部プロバイダに依存している既存のソリューションとは異なり、RAGnaroXはRustで実装された完全に監査可能なオンプレミススタックを提供する。
論文 参考訳(メタデータ) (2026-03-27T06:38:06Z) - Timely Asynchronous Hierarchical Federated Learning: Age of Convergence [59.96266198512243]
クライアント-エッジ-クラウドフレームワークを用いた非同期階層型フェデレーション学習環境について検討する。
クライアントはトレーニングされたパラメータをエッジサーバと交換し、ローカルに集約されたモデルを更新する。
各クライアントの目標は、クライアントのタイムラインを維持しながら、グローバルモデルに収束することだ。
論文 参考訳(メタデータ) (2023-06-21T17:39:16Z) - A Simple and Provably Efficient Algorithm for Asynchronous Federated
Contextual Linear Bandits [77.09836892653176]
我々は,M$エージェントが相互に協力して,中央サーバの助けを借りて,グローバルなコンテキスト線形バンドイット問題を解決するためのフェデレーション付きコンテキスト線形バンドイットについて検討した。
すべてのエージェントが独立して動作し、ひとつのエージェントとサーバ間の通信が他のエージェントの通信をトリガーしない非同期設定を考える。
texttFedLinUCBの後悔は$tildeO(dsqrtsum_m=1M T_m)$で、通信の複雑さは$tildeO(dM)であることを示す。
論文 参考訳(メタデータ) (2022-07-07T06:16:19Z)
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。