論文の概要: Throttling Web Agents Using Reasoning Gates

• arxiv url: http://arxiv.org/abs/2509.01619v1
• Date: Mon, 01 Sep 2025 16:56:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-04 15:17:03.789969
• Title: Throttling Web Agents Using Reasoning Gates
• Title（参考訳）: 共振ゲートを用いたWebエージェントのスロットリング
• Authors: Abhinav Kumar, Jaechul Roh, Ali Naseh, Amir Houmansadr, Eugene Bagdasarian,
• Abstract要約: 我々は、リソースへのアクセスを提供する前にエージェントに調整可能なコストを課すフレームワークを設計する。 我々は、世界の知識に対してマルチホップ推論を必要とする合成テキストパズルであるReasoning Gatesを紹介する。 本フレームワークは,SOTAモデルの生成コストよりも応答生成コストが9.2倍高い計算非対称性を実現する。
• 参考スコア（独自算出の注目度）: 24.00110215260136
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI web agents use Internet resources at far greater speed, scale, and complexity -- changing how users and services interact. Deployed maliciously or erroneously, these agents could overload content providers. At the same time, web agents can bypass CAPTCHAs and other defenses by mimicking user behavior or flood authentication systems with fake accounts. Yet providers must protect their services and content from denial-of-service attacks and scraping by web agents. In this paper, we design a framework that imposes tunable costs on agents before providing access to resources; we call this Web Agent Throttling. We start by formalizing Throttling Gates as challenges issued to an agent that are asymmetric, scalable, robust, and compatible with any agent. Focusing on a common component -- the language model -- we require the agent to solve reasoning puzzles, thereby incurring excessive token-generation costs. However, we find that using existing puzzles, e.g., coding or math, as throttling gates fails to satisfy our properties. To address this, we introduce rebus-based Reasoning Gates, synthetic text puzzles that require multi-hop reasoning over world knowledge (thereby throttling an agent's model). We design a scalable generation and verification protocol for such reasoning gates. Our framework achieves computational asymmetry, i.e., the response-generation cost is 9.2x higher than the generation cost for SOTA models. We further deploy reasoning gates on a custom website and Model Context Protocol (MCP) servers and evaluate with real-world web agents. Finally, we discuss the limitations and environmental impact of real-world deployment of our framework.
• Abstract（参考訳）: AI Webエージェントは、インターネットリソースをはるかに高速、スケール、複雑さで使用します。 悪意のある、あるいは誤ってデプロイされたこれらのエージェントは、コンテンツプロバイダをオーバーロードする可能性がある。 同時に、ウェブエージェントは、ユーザー行動や洪水認証システムを偽アカウントで模倣することでCAPTCHAやその他の防御をバイパスすることができる。 しかし、プロバイダはサービスとコンテンツをサービス拒否攻撃やWebエージェントによるスクラップから守らなければならない。 本稿では,このWeb Agent Throttlingを,リソースへのアクセスに先立ってエージェントに調整可能なコストを課すフレームワークを設計する。 まず、Throttling Gatesを非対称で、スケーラブルで、堅牢で、あらゆるエージェントと互換性のあるエージェントに発行される課題としてフォーマル化する。 共通コンポーネント(言語モデル)に注目して、推論パズルを解決するためにエージェントが必要であるため、過剰なトークン生成コストが発生する。 しかし、スロットリングゲートとして既存のパズル、例えばコーディングや数学を用いることで、私たちの性質を満足できないことがわかった。 そこで本研究では,Reasoning Gates(Reasoning Gates)を導入した。 このような推論ゲートのためのスケーラブルな生成および検証プロトコルを設計する。 本フレームワークは,SOTAモデルの生成コストよりも応答生成コストが9.2倍高い計算非対称性を実現する。 さらに、カスタムWebサイトとModel Context Protocol(MCP)サーバに推論ゲートをデプロイし、実世界のWebエージェントで評価する。 最後に,フレームワークの現実的な展開の限界と環境への影響について論じる。

関連論文リスト

• Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
  大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。 このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。 本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-28T17:58:12Z)
• WebCoT: Enhancing Web Agent Reasoning by Reconstructing Chain-of-Thought in Reflection, Branching, and Rollback [74.82886755416949]
  有効なWebエージェントに必要な重要な推論スキルを同定する。 我々はエージェントの推論アルゴリズムを連鎖論理に再構成する。 このアプローチは、複数のベンチマークで大幅に改善される。
  論文  参考訳（メタデータ） (2025-05-26T14:03:37Z)
• WASP: Benchmarking Web Agent Security Against Prompt Injection Attacks [36.97842000562324]
  我々は、Pmptインジェクション攻撃に対するWeb Agent Securityのエンドツーエンド評価のための新しいベンチマークであるWASPを紹介する。 高度な推論能力を含むトップレベルのAIモデルでさえ、単純で低便なヒューマンインジェクションによって騙される可能性があることを示す。 攻撃は最大86%で部分的には成功したが、最先端のエージェントでさえ、攻撃者の目標を完全に満たすのに苦労することが多い。
  論文  参考訳（メタデータ） (2025-04-22T17:51:03Z)
• AdvAgent: Controllable Blackbox Red-teaming on Web Agents [22.682464365220916]
  AdvAgentは、Webエージェントを攻撃するためのブラックボックスのレッドチームフレームワークである。 強化学習に基づくパイプラインを使用して、敵のプロンプトモデルをトレーニングする。 慎重な攻撃設計では、エージェントの弱点を効果的に活用し、ステルス性と制御性を維持する。
  論文  参考訳（メタデータ） (2024-10-22T20:18:26Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• Dissecting Adversarial Robustness of Multimodal LM Agents [70.2077308846307]
  我々は、VisualWebArena上に現実的な脅威モデルを用いて、200の敵タスクと評価スクリプトを手動で作成する。 我々は,クロボックスフロンティアLMを用いた最新のエージェントを,リフレクションやツリーサーチを行うエージェントを含む,壊すことに成功している。 AREを使用して、新しいコンポーネントの追加に伴うロバスト性の変化を厳格に評価しています。
  論文  参考訳（メタデータ） (2024-06-18T17:32:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。