論文の概要: ProfileFoundry: A Synthetic Person-Object Substrate for Privacy, Memory, and Tool-Use Evaluation in LLM Agent
- arxiv url: http://arxiv.org/abs/2606.26403v1
- Date: Wed, 24 Jun 2026 21:43:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-26 18:46:32.08844
- Title: ProfileFoundry: A Synthetic Person-Object Substrate for Privacy, Memory, and Tool-Use Evaluation in LLM Agent
- Title（参考訳）: ProfileFoundry: LLMエージェントのプライバシ、メモリ、ツール使用評価のための合成人オブジェクトベース
- Abstract要約: ProFILEFOUNDRYは,10万個の成体合成対象物の決定的生成と固定参照リリースである。
リリースには709,228のイベント、40,338世帯、52,491人の雇用主、518,564人のリレーションシップエッジが含まれている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Foundation-model research increasingly needs data about people: user state, personal histories, relationships, contact-like fields, documents, and longitudinal updates. Real user data is difficult to share, perturb, audit, or redistribute responsibly, while independently generated fake fields rarely preserve the cross-field and temporal consistency needed for controlled evaluation. We present PROFILEFOUNDRY, a deterministic generator and fixed reference release of 100,000 adult synthetic Person Objects across eight locales. Each object combines a typed current snapshot, household, family, and employer links, snapshot-aligned events, normalized relational views, and generation provenance. The release contains 709,228 events, 40,338 households, 52,491 employers, and 518,564 directed relationship edges. We report evidence in separate categories: selected population-marginal comparisons, per-object invariant checks, release-wide referential and temporal closure, and coincidence/provenance screens. PROFILEFOUNDRY is not a population-fidelity model, a rendered-text corpus, or a formal privacy mechanism. Instead, it is a responsible synthetic source layer for constructing downstream foundation-model evaluations involving memory, privacy, document understanding, record linkage, and agent state while keeping the synthetic person behind each artifact inspectable
- Abstract（参考訳）: ファンデーションモデル研究は、ユーザー状態、個人の歴史、関係性、連絡先のような分野、文書、縦断的な更新など、人々のデータを必要としている。
実際のユーザデータは、責任を持って共有、摂動、監査、再配布することは困難であるが、独立に生成されたフェイクフィールドは、制御された評価に必要なクロスフィールドと時間的一貫性を保持することは滅多にない。
ProFILEFOUNDRYは,8つの地域をまたいだ10万個の成体合成対象物の決定的生成と固定基準リリースである。
各オブジェクトは、タイプされた現在のスナップショット、家族、家族、雇用主のリンク、スナップショット整列イベント、正規化されたリレーショナルビュー、ジェネレーション前兆を組み合わせる。
リリースには709,228のイベント、40,338世帯、52,491人の雇用主、518,564人のリレーションシップエッジが含まれている。
我々は,選択された集団間比較,対象ごとの不変量チェック,リリースワイド参照および時間的閉鎖,偶然/通知画面の2つのカテゴリでエビデンスを報告した。
PROFILEFOUNDRYは、人口密度モデル、レンダリングテキストコーパス、正式なプライバシーメカニズムではない。
代わりに、メモリ、プライバシ、文書理解、レコードリンク、エージェント状態を含む下流基盤モデル評価を構築するための責任ある合成ソース層であり、各アーティファクトの後方に合成された人物を検査することができる。
関連論文リスト
- From Matching Models to Recruiting Agents: A Systematized Narrative Review of AI Recruitment Systems, Evaluation, and Governance [1.436449142247059]
このレビューは、ニューラル・パーソナリティ・マッチングによる双方向の検索と行動ランキングから発展を辿る。
類似性から相互適合性、モデルから複合ワークフロー、オフライン予測からエビデンスと生産性に整合した評価という3つの組み合わせの遷移を分析した。
評価証拠から最強の証明可能なクレームへのステージマッピングと,相互性,エビデンス,時間的制御,選択的,監査可能なシステムに関するアジェンダを導入する。
論文 参考訳（メタデータ） (2026-09-03T08:46:03Z) - LUNAR: Benchmarking Personalized Large Language Models on UNiversal User BehAvioR Logs [10.508049806088335]
既存のパーソナライズされたLCMベンチマークは、主にテキストペルソナや孤立した行動信号に依存している。
LUNARは、LLMが日常ドメイン全体にわたる縦型アプリインタラクション履歴からの応答をどのようにパーソナライズするかを評価するための最初のベンチマークである。
論文 参考訳（メタデータ） (2026-08-05T15:11:06Z) - SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。
正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。
変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
論文 参考訳（メタデータ） (2026-08-04T13:16:15Z) - WILDTRACE: Benchmarking Natural Evidence Trails in Long-Context Reasoning [63.9071746889252]
長い文書に複雑な質問を答えるには、ソース自体が遠くの通路に自然に分散する証拠を統合する必要がある。
この情報源と内部の証拠の統合は、現実世界の長期文書分析の中心であるが、既存のベンチマークはそのほとんどを横取りしている。
WILDTRACEは, 自然発生の214個の長形音源に対する481個のタスクのベンチマークである。
論文 参考訳（メタデータ） (2026-07-10T12:09:21Z) - AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning [52.23991730630292]
大規模言語モデルは、パラメトリックな知識から答えるのではなく、文書を推論するエージェントとして、ますます多くデプロイされている。
大規模な、散らかった職場ファイルの集合にスパース証拠を配置し、一貫性のない用語、単位、時間規則を調整し、答えを計算する。
私たちは、362の質問と9,664の認証ドキュメントと372Mのトークンの8つのドメインコレクションをペアリングするベンチマークであるAgoraを紹介します。
論文 参考訳（メタデータ） (2026-06-23T12:57:18Z) - Phantoms and Disclosures: a Causal Framework for Auditing Synthetic Data [56.86147283213652]
データ開示の検出と説明を目的とした,カスタマイズ可能な実証監査フレームワークを提案する。
本フレームワークでは,ユーザの情報を直接再現する「真の開示」と,ユーザのデータを偶発的に生成する「幻の開示」とを区別する機構を導入する。
論文 参考訳（メタデータ） (2026-06-15T16:54:02Z) - Preserving Historical Truth: Detecting Historical Revisionism in Large Language Models [66.75310318710073]
textttHistoricalMisinfoは45ドル(約4,400円)の国から50ドル(約5,800円)のコンテストイベントを収集したデータセットです。
実世界の利用を近似するために、一般的な通信設定を反映したプロンプトシナリオを11ドルで、各イベントをインスタンス化する。
論文 参考訳（メタデータ） (2026-02-19T15:05:10Z) - When Privacy Isn't Synthetic: Hidden Data Leakage in Generative AI Models [2.084639874934284]
生成モデルは、プライバシを保存する合成データを作成するために、ますます使われています。
このような合成リリースは、データ多様体の構造的重複を通じて、基礎となるトレーニングサンプルに関する情報を引き続き漏洩させることができることを実証する。
モデル内部や実データへのアクセスを必要とせずに、この脆弱性を悪用するブラックボックスメンバーシップ推論攻撃を提案する。
論文 参考訳（メタデータ） (2025-12-05T18:52:35Z) - Ins-HOI: Instance Aware Human-Object Interactions Recovery [44.02128629239429]
本稿では,エンド・ツー・エンドのインスタンス・アウェアなヒューマン・オブジェクト・インタラクション・リカバリ(Ins-HOI)フレームワークを提案する。
Ins-HOIはインスタンスレベルの再構築をサポートし、合理的で現実的な接触面を提供する。
我々は、現実世界の人間-椅子と手-物体の相互作用を伴う5.2kの高品質スキャンを含む、大規模で高忠実な3Dスキャンデータセットを収集します。
論文 参考訳（メタデータ） (2023-12-15T09:30:47Z) - Auditing and Generating Synthetic Data with Controllable Trust Trade-offs [54.262044436203965]
合成データセットとAIモデルを包括的に評価する総合監査フレームワークを導入する。
バイアスや差別の防止、ソースデータへの忠実性の確保、実用性、堅牢性、プライバシ保護などに焦点を当てている。
多様なユースケースにまたがる様々な生成モデルを監査することにより,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2023-04-21T09:03:18Z) - Learning to Track with Object Permanence [61.36492084090744]
共同物体の検出と追跡のためのエンドツーエンドのトレーニング可能なアプローチを紹介します。
私たちのモデルは、合成データと実データで共同トレーニングされ、KITTIおよびMOT17データセットの最先端を上回ります。
論文 参考訳（メタデータ） (2021-03-26T04:43:04Z)
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。