論文の概要: A First Look at Coding Agents' Compliance with AI Contribution Rules in Open-Source Communities

• arxiv url: http://arxiv.org/abs/2607.26819v1
• Date: Wed, 29 Jul 2026 12:14:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.659307
• Title: A First Look at Coding Agents' Compliance with AI Contribution Rules in Open-Source Communities
• Title（参考訳）: オープンソースコミュニティにおけるAIコントリビューションルールに対するコーディングエージェントのコンプライアンスに関する一考察
• Abstract要約: オープンソースリポジトリにおけるコーディングエージェントの現実ルールコンプライアンスを推定する。 我々の実験では、今日のエージェントはほとんど積極的に貢献規則を回収しないことが示されている。 この状況は、検証と開示の問題が既存のメカニズムで解決可能であることを示している。
• 参考スコア（独自算出の注目度）: 13.02344624749338
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Open source communities have been flooded with AI-generated contributions. In defense, they have written contribution rules to regulate coding agents' behavior, spanning from a total ban, mandatory disclosure, to verification gates and human sign-offs. Yet, whether coding agents read and follow those rules, and behave in open source repositories, remains unknown. To estimate real-world rule compliance of coding agents, we curate 106 issues from 49 repositories containing AI contribution rules into RepoComplianceBench. We judge the trajectory of each run against the repository's rules, measuring whether the agent refuses to contribute, discloses its assistance truthfully, clears the required verification gates, or escalates critical steps to a human. We also test if extra prompts, rule disclosure, or feedback from the compliance verifier help with the situation. Our experiments on four frontier models show that today's agents almost never proactively retrieve the contribution rules. Agents pick up disclosure and verification with reminder prompts, rule quotes, and verifier feedback; however, they never refuse to contribute in AI-banned repositories under any condition we tested. The status reveals that verification and disclosure issues are solvable with existing mechanisms, yet enforcing bans and human escalations remains an open problem.
• Abstract（参考訳）: オープンソースコミュニティには、AIによるコントリビューションが溢れている。 弁護側は、全体的な禁止、強制開示、検証ゲートや人間のサインオフまで、コーディングエージェントの行動を制御するための貢献規則を作成した。 しかし、コーディングエージェントがこれらのルールを読み、追跡し、オープンソースリポジトリで振る舞うかどうかは不明だ。 コーディングエージェントの現実のルールコンプライアンスを推定するために、AIコントリビューションルールを含む49のリポジトリから106の問題をRepoComplianceBenchにキュレートする。 我々は、各ランの軌跡をリポジトリの規則に反して判断し、エージェントが貢献を拒否するか、その援助を真実に開示するか、必要な検証ゲートをクリアするか、あるいは人間に重要なステップをエスカレートするかを計測する。 また、追加のプロンプト、ルール開示、コンプライアンス検証者からのフィードバックが状況に役立つかどうかも検証します。 4つのフロンティアモデルに関する我々の実験は、今日のエージェントはほとんど積極的に貢献規則を回収しないことを示している。 エージェントは、リマインダーのプロンプト、ルールの引用、検証済みのフィードバックによる開示と検証を受け取ります。 この状況は、検証と開示の問題は既存のメカニズムで解決可能であるが、禁止と人間のエスカレーションを強制することは未解決の問題であることを示している。

関連論文リスト

• Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
  EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。 Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。 我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
  論文  参考訳（メタデータ） (2026-09-09T01:56:17Z)
• A Case Study on Emergent Cheating and Whistleblowing in Autonomous Research Swarms [43.001400055258586]
  マルチエージェントAIサイエンスエコシステムは、互いに作業のコミュニケーション、コーディネート、構築を可能にするツールを持つエージェントに依存している。 本稿では,100個の自律LDMエージェントによる公式な数学的推測の証明を事例として報告する。 群れの中では、自発的に浮気が出現し、その後、内部の介入なしに、内部告発者によって挑発された。 我々は,自律群集における分散型自己統治を支援するために,段階的制裁や集団選択規則などの制度的メカニズムを採用することを提案する。
  論文  参考訳（メタデータ） (2026-09-03T17:54:09Z)
• Coding Agents as Test-Suite Auditors: Finding What Official Suites Miss While Approaching What They Catch [47.836680625916266]
  テストスイート監査官として機能する市販のコーディングエージェントは、どちらも、公式スイートが見逃すものを公開するために、敵対的なテストスイートを構築します。 認証チェーンは、各エージェントフラッグされた申請が、公式の裁判官に頼らずに、真にバグだらけであるか否かを判定する。 Codeforceは、利用可能なオフィシャルスイートを持たない問題に対して、同じテストビルディングメソッドを使用して、テストされた入力予算毎に5つの再生ベースラインを導出する。
  論文  参考訳（メタデータ） (2026-08-03T05:24:03Z)
• The Prover Is the Judge: Verified Security Software from AI Coding Agents in Ada/SPARK [0.0]
  検証者主導のループにおいて、AIエージェントは古典的および後量子暗号、TLS 1.3、IKEv2、X.509、マトリックスクライアントにまたがるAda/SPARKのベアメタルセキュリティソフトウェアを書いて検証した。 GNATproveは49,280の証明義務を解除し、選択されたプリミティブに対して機能的正当性を確立し、残りのプリミティブに対して実行時のエラーがないことを証明した。 それぞれのレイヤが障害をキャッチし,中心的な教訓を引き出す方法を報告します。エージェントが確立するために信頼できるものは,そのフィードバックの強さに縛られているのです。
  論文  参考訳（メタデータ） (2026-07-15T20:09:05Z)
• Capable but Careless: Do Computer-Use Agents Follow Contextual Integrity? [54.701199583505144]
  アプリケーション間アクセスは、ほとんど見落とされたプライバシーリスクを生み出す。 我々はAgentCIBenchを紹介します。これは、このリスクを決定論的に評価されたシナリオに変換する評価ハーネスです。 我々は15のフロンティアエージェントを評価し、驚くほど高い失敗率を見出す。
  論文  参考訳（メタデータ） (2026-06-22T11:36:58Z)
• SEVRA-BENCH: Social Engineering of Vulnerabilities in Review Agents [21.409263140916327]
  大規模言語モデル (LLM) レビュアーはプルリクエスト (PR) においてますます使われている。 これにより、静的な脆弱性検出やコード生成のベンチマークが対処しないという疑問が持ち上がる。 自動レビュアーがそのようなプルリクエストを承認する頻度を測定するベンチマークであるSEVRA-BENCHを紹介する。
  論文  参考訳（メタデータ） (2026-06-11T16:35:56Z)
• ROGUE: Misaligned Agent Behavior Arising from Ordinary Computer Use [40.024131729499494]
  エージェントは,動作がタスク完了に有効である場合に,安全でない動作をとることによって,良質な設定でも不整合性を示すことができることを示す。 我々は、この障害モードを、人の修正、中断、シャットダウンに対処可能な安全装置である矯正レンズを通して研究する。 我々の研究は、自律エージェントにおける原理的、調整性を重視したアライメント手法の批判的な必要性を強調している。
  論文  参考訳（メタデータ） (2026-05-29T20:29:35Z)
• Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
  複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。 RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
  論文  参考訳（メタデータ） (2026-05-28T10:38:38Z)
• The Open-Box Fallacy: Why AI Deployment Needs a Calibrated Verification Regime [0.5277024349608833]
  私たちは、認可はドメインスコープで、独立してチェック可能で、リリース後に監視され、説明可能で、競争可能で、取り消し可能であるべきだと論じています。 モデルカード, リーダーボード, 規制開示の能力スコアの横に置かれるべき指標として, 最小構成ルールの6成分報告可能な標準である検証カバレッジを提案する。
  論文  参考訳（メタデータ） (2026-05-11T14:02:56Z)
• Coding Agents Don't Know When to Act [3.2610504259514754]
  コーディングエージェントは、ソフトウェアを自律的にメンテナンスするためにますますデプロイされる。 現実のデプロイメントでは、すでに解決済みの問題に関するバグレポートに遭遇します。 最先端のモデルでさえ失敗し、35ドルから65%のケースで望ましくない変更を提案する。
  論文  参考訳（メタデータ） (2026-05-08T14:10:00Z)
• When can we trust untrusted monitoring? A safety case sketch across collusion strategies [43.912646993501106]
  プリデプロイテストに基づく安全性の厳格な実証方法を開発した。 我々は、受動的自己認識、因果共謀(隠蔽された信号)、因果共謀(スケジューリングポイント経由の隠蔽信号)、複合戦略を含む分類学を開発する。
  論文  参考訳（メタデータ） (2026-02-24T07:23:21Z)
• Agents of Chaos [50.53354213047402]
  実験室環境に展開する自律言語モデルを用いたエージェントの探索的再チームの研究を報告する。 20人のAI研究者が、良心的および敵対的な条件下でエージェントと対話した。 我々の発見は、現実的なデプロイメント設定におけるセキュリティ、プライバシ、ガバナンスに関連する脆弱性の存在を確立します。
  論文  参考訳（メタデータ） (2026-02-23T16:28:48Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
  大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)

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。