[2026年7月28日投稿]

著者:Jaber Daneshamooz, Eugene Vuong, Alagappan Ramanathan, Manni Moghimi, Haarika Manda, Satyam Kumar, Snithik Thode, Satyandra Guthula, Sylee Beltiukov, Dongsu Han, Tarun Mangla, Sangeetha Abdu Jyothi, Walter Willinger, Arpit Gupta

PDFを表示 HTML (実験的)

要約:ネットワーク研究は仮説を実証データに変換することで進展するため、研究を加速するには、着想（仮説の合成）からそれを検証するデータを生成するまでの遅延を短縮する必要があります。具体例を考えてみましょう：BBRのバルクダウンロードは、競合するリアルタイムのGoogle Meetトラフィックとボトルネックを公平に共有しているでしょうか？これを検証するには、現実的なボトルネックリンクを設定し、BBRのバルク転送とMeetのリアルタイムトラフィックを同時に生成し、関連するサービス品質メトリクスを収集する必要があります。現在、このオーバーヘッドは高く、新しいアイデアごとにゼロから始めることを余儀なくされることがよくあります。この着想からデータ生成までのギャップは、エージェント型AI時代に悪化する一方です。AI支援による着想は指数関数的に加速する一方で、その出力を検証するにはデータ生成バックエンドが必要だからです。
本論文はこのギャップを埋める方法を探求します。私たちは、多様な研究意図を上部に、異種の実行基盤を下部に持つ薄いウエストとして形作られた、構成可能なドメイン特化バックエンド「Pramana」を構想します。Pramanaは単一の契約である意図仕様を通じてこのウエストを実現し、実験を3つの独立した軸に分解します：意図（生成するデータ）、基盤（どこで生成するか）、メカニズム（どのように生成するか）であり、一つの仕様が任意の基盤上で動作します。私たちは、66本の論文から抽出された255のデータ生成意図からなる初のコーパスを構築することでPramanaの有用性を実証し、意図仕様がそれらすべてを満たすことを示します。一方、既存ツールで13%を超えるものはありません。現在の概念実証実装はすでにこれらの意図の34%を満たしており、これは既存の最良ツールの2倍以上です。さらに、この抽象化-実装ギャップを埋めるためのロードマップを提示し、構想されたデータ生成バックエンドを構築し、経験的ネットワーク研究を加速するためのより広範なコミュニティの取り組みを促します。

投稿履歴

投稿者: Jaber Daneshamooz [メールを表示]
[v1] 2026年7月28日 火曜日 23:51:57 UTC (559 KB)