論文概要 本記事は https://arxiv.org/abs/2512.16959 の解説記事です。 Mohammad（2025）は、マイクロサービスにおける回復パターン・戦略・評価フレームワークに関するPRISMA準拠の系統的文献レビューを実施した。2014年から2025年にかけてIEEE Xplore、ACM Digital Library、Scopusから収集された412件の文献...

本記事は arXiv:2503.11951 の解説記事です。 論文概要（Abstract） Chang and Geng（2025）は、LLMベースのマルチエージェント計画システムが抱える4つの根本的限界 – 信頼性の低い自己検証、コンテキスト喪失、トランザクション保証の欠如、エージェント間協調不足 – に対処する構造化マルチエージェントアーキテクチャ「SagaLLM」を提案している。S...

論文概要 Xie et al. (2026) による本論文は、LLMベースのマルチエージェントシステム（LLM-MAS）において、単一の小さな誤りがメッセージ伝播を通じてシステム全体の偽合意（false consensus）に発展するメカニズムを数理的にモデル化し、その防御手法を提案した研究である。著者らは協調構造を有向依存グラフとして抽象化し、3種類の脆弱性クラス（カスケード増幅・トポロ...

AI生成記事: 本記事はClaude Opus 4.6によって生成されました。内容の正確性は論文原文に基づいていますが、解釈の誤りがある可能性があります。 本記事は Which Agent Causes Task Failures and When? On Automated Failure Attribution of LLM Multi-Agent Systems の解説記事で...

本記事は arXiv論文 “A Survey of AI Agent Protocols”（Yang et al., 2025）の解説記事です。LLMエージェント間の通信プロトコルを体系的に分類・評価した初のサーベイ論文について、分類法の構造、主要プロトコルの設計、評価指標フレームワークを中心に解説します。 論文概要（Abstract） LLMベースのAIエージェントが産業界に広く展開さ...

論文概要 本記事は https://arxiv.org/abs/2512.12791 の解説記事です。 Akshathala ら（2025）は、エージェント型AIシステムの評価においてタスク完了率（Task Completion Rate）のみに依存することの限界を指摘し、4つの評価柱（LLM・メモリ・ツール・環境）と3つの解析レイヤー（静的解析・動的実行・判定ベース）から構成される包括...

ブログ概要 本記事は https://opentelemetry.io/blog/2026/genai-observability/ の解説記事です。 OpenTelemetry公式ブログに掲載された「Inside the LLM Call: GenAI Observability with OpenTelemetry」は、LLMアプリケーションの可観測性を標準化するためのGenAI S...

本記事は https://arxiv.org/abs/2601.08815 の解説記事です。 情報源 項目 内容 論文タイトル Agent Contracts: A Formal Framework for Resource-Bounded Autonomous AI Systems ...

論文概要 本記事は https://arxiv.org/abs/2604.26152 の解説記事です。 本論文「AI Observability for Large Language Model Systems: A Multi-Layer Analysis of Monitoring Approaches from Confidence Calibration to Infrastru...

論文概要 本記事は https://arxiv.org/abs/2602.16666 の解説記事です。 Stephan Rabanser、Sayash Kapoor ら Princeton University の研究グループは、AIエージェントの信頼性を科学的に定量化するための体系的フレームワークを提案した。著者らは、ベンチマーク精度スコアの改善が実際の運用信頼性の向上を意味しないとい...