AgentDecarbonizer: AIエージェントのカーボンアウェア実行
AgentDecarbonizer: Carbon-Aware Execution for AI Agents (原題)
Leyi Yan, Shuangning Li, Sihang Liu
🤖 gxceed AI 要約
日本語
AIエージェントのワークロードにおける炭素排出を特徴付け、期限柔軟性を活用したカーボンアウェアな実行スケジューリングを提案。OpenClaw上で動作するAgentDecarbonizerは、タスクの実行時間を推定し、低炭素時間帯や低炭素グリッドへの移行を考慮して排出を最大57.9%削減する。
English
This paper characterizes carbon emissions of AI agent workloads and proposes carbon-aware execution scheduling that exploits deadline flexibility. AgentDecarbonizer, running alongside OpenClaw, estimates task duration and schedules execution to reduce emissions by up to 57.9% compared to a carbon-agnostic baseline.
Unofficial AI-generated summary based on the public title and abstract. Not an official translation.
📝 gxceed 編集解説 — Why this matters
日本のGX文脈において
日本ではAI活用が進む一方、データセンターの電力消費と炭素排出が課題。本手法は企業のAI運用における排出削減に寄与し、カーボンニュートラル目標達成に貢献する。
In the global GX context
As AI adoption grows globally, the carbon footprint of AI agents becomes a concern. This work offers a practical approach to reduce emissions from AI workloads, aligning with corporate sustainability goals and grid decarbonization efforts.
👥 読者別の含意
🔬研究者:AIシステムのカーボンフットプリント削減手法として、スケジューリングとキャッシュ再利用の考慮点を学べる。
🏢実務担当者:AIワークロードの排出削減を目指す企業は、期限柔軟性を活用した実行スケジューリングの導入を検討できる。
🏛政策担当者:AIの環境影響に関する政策立案において、排出削減の技術的選択肢を示す参考になる。
📄 Abstract（原文）
AI agents extend large language models from single prompt-response interactions to long-running, goaldirected workflows that issue many model calls, invoke tools, and interact with external environments. These workflows enable tasks such as software repair, data analysis, and experiment management, but their repeated model invocations can incur substantial carbon emissions. This paper characterizes the carbon emissions of OpenClaw agent workloads using WildClawBench, and shows that emissions depend on token consumption, context cache reuse, and the carbon intensity of the grid. Our characterization identifies deadline flexibility as an opportunity for carbon-aware execution: agent tasks can wait for lower-carbon-intensity periods or shift to lower-carbon grids. However, doing so requires handling uncertain execution time for temporal shifting and cached context recomputation during spatial shifting. We present AgentDecarbonizer, a carbon optimizer for AI agents that runs alongside OpenClaw. Given a task prompt and user-specified deadline, AgentDecarbonizer conservatively estimates task duration and selects deadline-feasible execution schedules, while accounting for cache recomputation overhead during spatial shifting. Evaluated on WildClawBench workloads with 60 agent tasks across four grids, AgentDecarbonizer reduces carbon emissions by up to 57.9 % compared with a carbon-agnostic baseline and by up to 37.5 % compared with a baseline that selects the carbon-optimal grid at task start time.
🔗 Provenance — このレコードを発見したソース
- openalex https://doi.org/10.48550/arxiv.2608.20566first seen 2026-08-26 04:45:00
🔔 こうした論文の新着を逃したくない方は キーワードアラート に登録（無料・3キーワードまで）。
gxceed は公開メタデータに基づく研究支援データセットです。要約・翻訳・解説は AI 支援で生成されています。 最終的な解釈・検証は利用者が原典資料に基づいて行うことを前提とします。