論文の概要: Provably Auditable and Safe LLM Agents from Human-Authored Ontologies
- arxiv url: http://arxiv.org/abs/2606.04903v1
- Date: Wed, 03 Jun 2026 14:01:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.802778
- Title: Provably Auditable and Safe LLM Agents from Human-Authored Ontologies
- Title（参考訳）: 人体認証オントロジーからの可聴・安全LSMエージェントの探索
- Authors: Aaron Sterling,
- Abstract要約: 線形監査性を必要とする非自明な問題領域での使用を目的とした,LLMエージェントアーキテクチャであるAgentic Reduxを紹介する。
適切なドメイン上で実行すると、Agentic Reduxの実行はセマンティックに正しいことが保証され、すべての決定は追加専用台帳に記録される。
医療請求書の遵守とセキュリティ脆弱性の開示の2つのプロダクショングレードの適切なドメインを提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the LLM agent architecture Agentic Redux, intended for use with nontrivial problem domains that require linear auditability. Using the typed lambda calculus, we prove that, run on appropriate domains, Agentic Redux executions are semantically guaranteed to be correct, with all decisions recorded in an append-only ledger. We present two production-grade appropriate domains, in healthcare billing compliance, and security vulnerability disclosure. Working code for Agentic Redux run on both domains is available in a supporting code repository. We also introduce Ontology-First Agent Design, a methodology for creation of agent frameworks on a problem domain, in which a human expert ontologizes the problem domain with Basic Formal Ontology, and then assigns an LLM to derive roles that agents and humans-in-the-loop can fill, in order to work the problems in the domain.
- Abstract（参考訳）: 線形監査性を必要とする非自明な問題領域での使用を目的とした,LLMエージェントアーキテクチャであるAgentic Reduxを紹介する。
型付きラムダ計算を用いて、適切なドメイン上で実行されるAgentic Reduxの実行は、意味的に正しいことが保証され、すべての決定は追加専用台帳に記録される。
医療請求書の遵守とセキュリティ脆弱性の開示の2つのプロダクショングレードの適切なドメインを提示する。
Agentic Reduxの動作コードは、両方のドメインで実行されるが、サポートコードリポジトリで利用できる。
また,問題領域上でエージェントフレームワークを作成する手法であるOntology-First Agent Designを導入する。そこでは,人間の専門家が基本形式オントロジーを用いて問題領域をオンロジする。
関連論文リスト
- DomAgent: Leveraging Knowledge Graphs and Case-Based Reasoning for Domain-Specific Code Generation [10.633307460813523]
DomAgentは大規模言語モデル(LLM)のための自律型コーディングエージェントである
DomRetrieverは、人間がドメイン固有の知識を学ぶ方法をエミュレートする、新しい検索モジュールだ。
実験の結果,DomAgentはドメイン固有のコード生成を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2026-03-22T22:39:32Z) - AgentDNS: A Root Domain Naming System for LLM Agents [7.480444282640687]
AgentDNSはLarge Language Model (LLM)エージェントのためのルートドメイン命名およびサービスディスカバリシステムである。
従来のDNSの原則にインスパイアされたAgentDNSは、サービス登録、セマンティックサービスディスカバリ、セキュアな呼び出し、統一請求のための構造化されたメカニズムを導入している。
論文 参考訳（メタデータ） (2025-05-28T13:56:22Z) - Enhancing Open-Domain Task-Solving Capability of LLMs via Autonomous Tool Integration from GitHub [79.31134731122462]
オープンドメインのタスク解決能力を評価するためにOpenActベンチマークを導入します。
我々は,オープンドメインの進化するクエリに,GitHubから専門ツールを自律的に統合することで対処できる,新しいLLMベースのエージェントシステムであるOpenAgentを紹介する。
論文 参考訳（メタデータ） (2023-12-28T15:47:30Z) - Learning Domain-Aware Detection Head with Prompt Tuning [27.597165816077826]
ドメイン適応オブジェクト検出(DAOD)は、注釈付きソースドメインで訓練された検出器を、未ラベルのターゲットドメインに一般化することを目的としている。
本稿では,各領域に対して動的検出ヘッドを生成するために,学習可能なドメイン適応プロンプトを適用したドメイン認識検出ヘッド(DA-Pro)を提案する。
論文 参考訳（メタデータ） (2023-06-09T07:30:10Z) - One Model for All Domains: Collaborative Domain-Prefix Tuning for
Cross-Domain NER [92.79085995361098]
クロスドメインNERは、実践シナリオにおける低リソースの問題に対処する上で難しいタスクである。
事前学習言語モデル(PLM)によるNERモデルと、リッチリソースドメインのデータとを主に取得し、ターゲットドメインに適応させる。
テキストからテキストへの生成 PLM に基づくクロスドメイン NER のための協調的ドメイン修正チューニングを提案する。
論文 参考訳（メタデータ） (2023-01-25T05:16:43Z)
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。