論文の概要: Governance-Aware Vector Subscriptions for Multi-Agent Knowledge Ecosystems

• arxiv url: http://arxiv.org/abs/2603.20833v2
• Date: Fri, 27 Mar 2026 11:58:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-30 21:49:48.113605
• Title: Governance-Aware Vector Subscriptions for Multi-Agent Knowledge Ecosystems
• Title（参考訳）: マルチエージェント・ナレッジ・エコシステムのためのガバナンス対応ベクター・サブスクライブ
• Abstract要約: 規制フレームワークに根ざした多次元ポリシー述語とセマンティックな類似性を構成するガバナンス対応ベクターサブスクリプションを導入する。 エージェントは、キュレートされた知識ベースの意味領域をサブスクライブする。通知は、類似性のしきい値と適用可能なポリシー制約の両方をパスした検証済みコンテンツに対してのみ送信される。 合成コーパス(1,000チャンク,93サブスクリプション,5ドメイン)のメカニズムを検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: As AI agent ecosystems grow, agents need mechanisms to monitor relevant knowledge in real time. Semantic publish-subscribe systems address this by matching new content against vector subscriptions. However, in multi-agent settings where agents operate under different data handling policies, unrestricted semantic subscriptions create policy violations: agents receive notifications about content they are not authorized to access. We introduce governance-aware vector subscriptions, a mechanism that composes semantic similarity matching with multi-dimensional policy predicates grounded in regulatory frameworks (EU DSM Directive, EU AI Act). The policy predicate operates over multiple independent dimensions (processing level, direct marketing restrictions, training opt-out, jurisdiction, and scientific usage) each with distinct legal bases. Agents subscribe to semantic regions of a curated knowledge base; notifications are dispatched only for validated content that passes both the similarity threshold and all applicable policy constraints. We formalize the mechanism, implement it within AIngram (an operational multi-agent knowledge base), and evaluate it using the PASA benchmark. We validate the mechanism on a synthetic corpus (1,000 chunks, 93 subscriptions, 5 domains): the governed mode correctly enforces all policy constraints while preserving delivery of authorized content. Ablation across five policy dimensions shows that no single dimension suffices for full compliance.
• Abstract（参考訳）: AIエージェントのエコシステムが成長するにつれて、エージェントは関連する知識をリアルタイムで監視するメカニズムを必要とする。 セマンティックパブリッシュ・サブスクライブシステムは、新しいコンテンツとベクターサブスクリプションをマッチングすることでこの問題に対処する。 しかし、エージェントが異なるデータハンドリングポリシーの下で操作するマルチエージェント設定では、制限のないセマンティックサブスクリプションがポリシー違反を発生させる。 規制フレームワーク(EU DSM Directive, EU AI Act)に根ざした多次元政策述語とセマンティックな類似性を構成するメカニズムであるガバナンス対応ベクターサブスクリプションを導入する。 政策述語は、複数の独立した次元(処理レベル、直接マーケティング制限、オプトアウトの訓練、司法、科学利用)でそれぞれ異なる法的基盤を持つ。 エージェントは、キュレートされた知識ベースの意味領域をサブスクライブする。通知は、類似性のしきい値と適用可能なポリシー制約の両方をパスした検証済みコンテンツに対してのみ送信される。 我々はこの機構を定式化し、AIngram(運用マルチエージェントの知識ベース)内で実装し、PASAベンチマークを用いて評価する。 この機構を合成コーパス(1,000チャンク,93サブスクライブ,5ドメイン)上で検証する。 5つの政策次元のアブレーションは、完全なコンプライアンスのために単一の次元が十分でないことを示している。

関連論文リスト

• PolicyMem: Geometric Policy Memory for LLM Governance [72.04962480384322]
  我々は、自然言語ポリシーを再利用可能な幾何学的メモリオブジェクトとして外部化する幾何学的ポリシーメモリであるPhysicalMemを紹介する。 メモリライターは、自然言語ポリシーをポリシーメモリスロットにコンパイルし、クエリ応答ペアはプロジェクションエネルギーを介してポリシーメモリを読み取る。 得られた政策証拠プロファイルは、安全判断を直接仲介し、政策帰属および事後検証のために再利用される。
  論文  参考訳（メタデータ） (2026-09-12T06:07:43Z)
• EMERGE-Policy: A Robot Mind Emerges Beyond a Single Policy [48.898967774856466]
  EMERGE-Policyは機能呼び出しと情報交換の両方をコーディネートする。 Main Agentはアクティブなコンテキストウィンドウ内でタスクレベルの状態を保持する。 ロール固有のサブエージェント プロセスの認識、実行監視、検証、メモリ統合。
  論文  参考訳（メタデータ） (2026-08-30T16:46:06Z)
• How Agents Ask for Permission: User Permissions for AI Agents, from Interfaces to Enforcement [55.966820779528376]
  AIエージェントが普及するにつれて、ユーザーはそのようなシステムが抱えるリスクにますますさらされている。 プロンプト・インジェクション・アタックや幻覚は、エージェントに個人情報を第三者にリークさせる可能性がある。 自律システムとして、エージェントは、ユーザの意図や承認なしに、銀行取引のような機密性の高いタスクを実行することの、より積極的な危険性を示す。
  論文  参考訳（メタデータ） (2026-07-15T11:36:22Z)
• Deontic Policies for Runtime Governance of Agentic AI Systems [2.1095754823099657]
  本稿では,義務,免除,政策紛争解決,政策の理化といった重要なガバナンス要件を実現するエージェントReiを提案する。 私たちのアプローチは、A2ASのような業界標準のフレームワークと自然に結びついています。
  論文  参考訳（メタデータ） (2026-06-17T18:02:07Z)
• A Technical Taxonomy of LLM Agent Communication Protocols [60.76747983053368]
  本研究では,大規模言語モデル(LLM)エージェント通信プロトコルの分類と解析を行う技術的分類法を開発する。 このフレームワークはプロトコルの選択をガイドし、プライバシーやポリシー執行といったオープンな研究ギャップを強調する。
  論文  参考訳（メタデータ） (2026-06-17T14:45:20Z)
• Overlaying Governance: A Compositional Authorization Framework for Delegation and Scope in Agentic AI [5.459755757192724]
  本稿ではエージェントAIシステムのための構成的ガバナンスフレームワークを提案する。 デリゲートの種類とそのパーミッションと説明責任の意味を定義します。 これはエージェントAIシステムにおける説明可能な認可のための形式的かつ実用的な基盤を提供する。
  論文  参考訳（メタデータ） (2026-06-02T11:39:39Z)
• PolicyBank: Evolving Policy Understanding for LLM Agents [51.86716874651299]
  PolicyBankは構造化されたツールレベルの政策洞察を維持し、それらを反復的に洗練する。 PolicyBankは、人間の神託に対するギャップの最大82%を閉じている。
  論文  参考訳（メタデータ） (2026-04-16T20:29:30Z)
• Policy Compiler for Secure Agentic Systems [20.346157626726725]
  本稿では,エージェントシステムのためのポリシーコンパイラであるPCASについて紹介する。 我々はPCASを3つのケーススタディ – インジェクション防衛のための情報フローポリシー、マルチエージェント製薬システムにおける承認、カスタマーサービスのための組織ポリシー – で評価する。
  論文  参考訳（メタデータ） (2026-02-18T18:57:12Z)
• Policy Cards: Machine-Readable Runtime Governance for Autonomous AI Agents [0.0]
  Policy Cardは、AIエージェントの運用、規制、倫理的制約を表現するための、マシン可読なデプロイ層標準である。 各ポリシカードは、自動検証、バージョン管理、ランタイムの実施、あるいは継続的監査パイプラインにリンクすることができる。
  論文  参考訳（メタデータ） (2025-10-28T12:59:55Z)
• Analyzing and Internalizing Complex Policy Documents for LLM Agents [53.14898416858099]
  大規模言語モデル(LLM)ベースのエージェントシステムは、多様なビジネスルールをコードするコンテキスト内ポリシー文書に依存している。 これは、パフォーマンスを保ちながら、ポリシー文書をモデルプリエントに組み込む内部化手法の開発を動機付けます。 CC-Genは4つのレベルにまたがる制御可能な複雑度を持つエージェントベンチマークジェネレータである。
  論文  参考訳（メタデータ） (2025-10-13T16:30:07Z)
• Policy-as-Prompt: Turning AI Governance Rules into Guardrails for AI Agents [0.19336815376402716]
  我々は、構造化されていない設計成果物(RD、TDD、コードなど)を検証可能なランタイムガードレールに変換する規制機械学習フレームワークを導入します。 Promptメソッドとしての私たちのポリシーは、これらのドキュメントを読み、ソースリンクされたポリシーツリーを構築するためのリスクコントロールです。 システムは最小限の特権とデータ最小化を強制するために構築される。
  論文  参考訳（メタデータ） (2025-09-28T17:36:52Z)
• LLM Agents Should Employ Security Principles [60.03651084139836]
  本稿では,大規模言語モデル(LLM)エージェントを大規模に展開する際には,情報セキュリティの確立した設計原則を採用するべきであることを論じる。 AgentSandboxは、エージェントのライフサイクル全体を通して保護を提供するために、これらのセキュリティ原則を組み込んだ概念的なフレームワークである。
  論文  参考訳（メタデータ） (2025-05-29T21:39:08Z)
• CoTGuard: Using Chain-of-Thought Triggering for Copyright Protection in Multi-Agent LLM Systems [55.57181090183713]
  我々は、Chain-of-Thought推論内でトリガーベースの検出を活用する著作権保護のための新しいフレームワークであるCoTGuardを紹介する。 具体的には、特定のCoTセグメントをアクティベートし、特定のトリガクエリをエージェントプロンプトに埋め込むことで、未許可コンテンツ再生の中間的推論ステップを監視する。 このアプローチは、協調エージェントシナリオにおける著作権侵害の微細かつ解釈可能な検出を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T01:42:37Z)
• A Novel Zero-Trust Identity Framework for Agentic AI: Decentralized Authentication and Fine-Grained Access Control [7.228060525494563]
  本稿では,Agentic AI IAMフレームワークの提案について述べる。 リッチで検証可能なエージェント識別子(ID)に基づく包括的フレームワークを提案する。 また、Zero-Knowledge Proofs(ZKPs)によって、プライバシ保護属性の開示と検証可能なポリシーコンプライアンスを実現する方法について検討する。
  論文  参考訳（メタデータ） (2025-05-25T20:21:55Z)
• Conformal Policy Learning for Sensorimotor Control Under Distribution Shifts [61.929388479847525]
  本稿では,センサコントローラの観測値の分布変化を検知・応答する問題に焦点をあてる。 鍵となる考え方は、整合量子を入力として取ることができるスイッチングポリシーの設計である。 本稿では, 基本方針を異なる特性で切り替えるために, 共形量子関数を用いてこのようなポリシーを設計する方法を示す。
  論文  参考訳（メタデータ） (2023-11-02T17:59:30Z)
• Coordinating Policies Among Multiple Agents via an Intelligent Communication Channel [81.39444892747512]
  MARL(Multi-Agent Reinforcement Learning)では、エージェントが直接通信できる特別なチャンネルがしばしば導入される。 本稿では,エージェントの集団的性能を向上させるために,エージェントが提供した信号の伝達と解釈を学習する,インテリジェントなファシリテータを通じてエージェントがコミュニケーションする手法を提案する。
  論文  参考訳（メタデータ） (2022-05-21T14:11:33Z)

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。