LIFE――フロンティア・システム向けの、エネルギー効率の高い高度な継続学習エージェント型AIフレームワーク

arXiv cs.AI / 2026/4/15

📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research

共有:

要点

本論文では、AIの急速な進歩によりHPCのエネルギー需要が増大している一方で、現在の継続学習アプローチはHPC管理に効果的に対応するには限界があると主張する。
エネルギー効率の高い「自己進化」型のネットワーク管理とHPC環境での運用を目的とした、エージェント中心のインクリメンタルかつ柔軟な継続学習フレームワークとしてLIFEを提案する。
LIFEは4つのコンポーネント――オーケストレーター、エージェント型コンテキストエンジニアリング、新しいメモリシステム、情報ラティス学習――で構成されており、単一のモノリシックなTransformer構成を超えることを意図している。
著者らは、このフレームワークをクローズドループのKubernetesライクなクラスター状況に基づいて実装し、それを用いて重要なマイクロサービスにおけるレイテンシスパイクを検出し、緩和する。
本フレームワークは、複数の直交するユースケースへの汎用化が可能であると提示されており、単一の固定された制御タスクよりも広い適用の道筋を示唆している。

要旨: AIの急速な進歩は、寸法設計（dimensioning）、プロビジョニング、実行といったHPC利用の性格を変えました。エネルギー需要は増大するだけでなく、既存の素朴な継続学習（continual learning）能力は、AIがHPCを効果的に管理する能力を制限しています。本論文は、モノリシックなトランスフォーマーを超える新たな方向性を概観し、その補完的な道として、エージェント型AIと脳に着想を得たアーキテクチャを重視します。私たちは、Incremental（漸進的）、Flexible（柔軟）、そしてEnergy efficient（省エネルギー）な推論と学習の枠組みであるLIFEを提案します。これは単一のモノリシックなモデルとして実装されるのではなく、エージェント中心のシステムとして実装されます。LIFEは、HPCにおける自己進化するネットワーク管理と運用を実現するために、4つの要素を独自に組み合わせます。その要素は、オーケストレーター、エージェント型のコンテキストエンジニアリング、新規のメモリシステム、そして情報格子学習です。LIFEはさらに、さまざまな直交的なユースケースを可能にするように一般化することもできます。私たちは、LIFEを、Kubernetesのようなクラスタ上で動作する重要なマイクロサービスが経験するレイテンシスパイクを検出し、緩和するための、具体的なクローズドループのHPC運用例に基づいています。