MétaCan
Menu
Retour à la cohorte
Enregistrement W26496507 · doi:10.1371/journal.pone.0141051

Using Autonomous Agents to Improve Efficiency and Robustness in Slow, Unreliable Networks

2000· article· en· W26496507 sur OpenAlexaff
Daria Chac, Benjamin Bell, John McCormick, Lockheed Martin

Notice bibliographique

RevuePLoS ONE · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueDistributed systems and fault tolerance
Établissements canadiensLockheed Martin (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceTask (project management)Distributed computingRobustness (evolution)Function (biology)Autonomous agentCore (optical fiber)Artificial intelligence

Résumé

récupéré en direct d'OpenAlex

and to use resources at that node. At EMAA's core lies a Dock that provides an execution environment for agents, handles incoming and outgoing agent transfers, and controls agent access to services. EMAA allows users to define agents, services, and events. Under the EMAA framework, agents are built from small, easily reused tasks that combine to meet a userOs goal. An agent's tasks are structured within an itinerary. Agents may be mobile, and typically use stationary services. Services may implement connections to external systems (e.g., databases or legacy applications), provide complex functionality, or carry out other functions, but they are not primary actors. Goal-oriented and directed activity is generally held to be the function of agents. Both agents and services may send and receive events. In the following subsections we discuss two EMAA features which support robust agent operation under undesirable conditions. Itineraries. EMAA itineraries are composed of states (each of which may contain one or more tasks) and transitions between states; they are structured as finite state machines. An EMAA agent contains internal memory that encodes data dependencies among tasks: the output of one task may be used as input to another task, etc. Itineraries employ some decision logic to determine whether and where to execute states. Some states must be executed on a specific machine, and others must be executed on any machine where the resources needed to support execution of the encapsulated task (or tasks) exist. Reliable Event Messaging. To address the need for remote control and execution monitoring of mobile agents, ATL developed the Event Transceiver Server (ETS), an event handler residing on each dock with registered listeners for agents. The ETS provides reliable event messaging for mobile objects, both sending and receiving. It is invaluable for remotely or locally controlling, monitoring, and retasking agents. DAIS: A Case Study and Problem Illustration

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,026
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0030,004
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,036
Tête enseignante GPT0,238
Écart entre enseignants0,202 · 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 source (Gemma direct ou Codex distillé), 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

Citations2
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetDistributed systems and fault toleranceTravaux en français237 207