MétaCan
Menu
Retour à la cohorte
Enregistrement W2009358856 · doi:10.1109/cts.2010.5478451

WhiteCat: Making agent roles perceivable

2010· article· en· W2009358856 sur OpenAlexaff
Luca Ferrari, Haibin Zhu

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueMulti-Agent Systems and Negotiation
Établissements canadiensNipissing University
Organismes subventionnairesnon disponible
Mots-clésDynamismComputer scienceJavaFlexibility (engineering)Multi-agent systemIndirectionCompile timeDistributed computingModularity (biology)InterdependenceClass (philosophy)Software engineeringComputer securityArtificial intelligenceCompilerProgramming language

Résumé

récupéré en direct d'OpenAlex

Summary form only given. Agents are social and autonomous entities that can take great advantages of interaction modelling. Role-Based Collaboration (RBC)[4] is an emerging methodology to facilitate an organizational structure, provide orderly system behavior, and consolidate system security for both human and non-human entities that collaborate and coordinate their activities with or within systems. Interaction management must, however, be able to handle run-time and dynamic scenarios. Hence every RBC system must provide a good level of dynamism, that is providing the capability of an agent to assume, use and release a role depending on run-time conditions. In Object Oriented Programming languages, such as Java, role perceivability could be achieved with appropriate changes to the agent/entity class structure, but this requires compile-time constraints that are, in their nature, not dynamic. Moreover, other issues raise in the case when the agent is masked by a proxy or some other indirection level, since in this case it is difficult to perceive the played role because the agent is hidden. This poster proposes an approach (WhiteCat) to remedy the above problems: maintaining an appropriate level of dynamism. The work presented here allows a Java agent to make its role perceivable to other entities as if it is applied at compile-time. The presented approach was born in the agent scenario, but thanks to its modularity and flexibility it can be exploited and applied to other dynamic contexts.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,708
Score d'incertitude au seuil0,504

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,258
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMulti-Agent Systems and NegotiationTravaux en français237 207