論文の概要: Control Under Compression: Reliability Frontiers for Tool-Using Agents
- arxiv url: http://arxiv.org/abs/2608.01056v1
- Date: Sun, 02 Aug 2026 07:43:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.074244
- Title: Control Under Compression: Reliability Frontiers for Tool-Using Agents
- Title（参考訳）: 圧縮下の制御:ツール使用エージェントの信頼性フロンティア
- Abstract要約: ACC圧縮のための環境検証ベンチマークであるCompressAgentを紹介する。
75%の保持状況では、汎用的な書き換えとセクションベースの圧縮が92.7%、92.4%の成功を収めている。
25%から10%の継続コンテキスト予算では、実行可能なプロトコルは脆弱になる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Tool-using language-model agents are governed not only by task prompts but also by persistent system-side instructions that specify tools, arguments, policies, execution protocols, and recovery. Compressing these agent control contexts (ACCs) can reduce input cost and context use, yet existing prompt-compression evaluations do not reveal whether the resulting control remains operationally reliable. We introduce CompressAgent, an environment-verified benchmark for ACC compression across nine independently constructed ACCs, three task families, three fixed Qwen API model identifiers, six retained-context budgets, and 15,525 runs. We uncover a nonlinear, method-dependent reliability frontier. At 75% retained context, generic rewriting and section-based compression achieve 92.7% and 92.4% success, close to the 93.8% full-context baseline. Between 50% and 35%, methods diverge sharply; at 35%, section-based, obligation-aware, and generic rewriting achieve 47.0%, 39.0%, and 19.9%. At retained-context budgets from 25% to 10%, executable protocols become fragile. Reliability also varies substantially across ACCs, making universal compressor rankings inappropriate and motivating per-context qualification. Failure analysis shows that compression primarily surfaces as tool-execution and action-parsing errors. These findings recast ACC compression from token reduction into a runtime-reliability problem that must be evaluated through executable outcomes.
- Abstract（参考訳）: ツールを使用する言語モデルエージェントは、タスクプロンプトだけでなく、ツール、引数、ポリシー、実行プロトコル、リカバリを指定するシステム側の命令によって管理される。
これらのエージェント制御コンテキスト(ACC)を圧縮することで、入力コストとコンテキスト使用を削減できるが、既存のプロンプト圧縮評価では、結果の制御が運用上信頼性を維持しているかどうかを明らかにしていない。
CompressAgentは,9つの独立したACC,3つのタスクファミリ,3つの固定Qwen APIモデル識別子,6つの保持コンテキスト予算,15,525回の実行を対象とするACC圧縮の環境検証ベンチマークである。
非線形なメソッド依存の信頼性フロンティアを明らかにする。
75%の保持状況下では、汎用的な書き換えとセクションベースの圧縮が92.7%、92.4%成功し、93.8%のフルコンテキストベースラインに近い。
50%から35%の間で、メソッドは急速に多様化し、35%ではセクションベース、義務認識、ジェネリックリライトが47.0%、39.0%、19.9%となっている。
25%から10%の継続コンテキスト予算では、実行可能なプロトコルは脆弱になる。
信頼性もACC間で大きく異なり、普遍圧縮機ランキングは不適切であり、コンテキストごとの資格を動機付けている。
フェール解析は、圧縮がツール実行およびアクションパーシングエラーとして主に表れていることを示している。
これらの結果は、ACC圧縮をトークン還元から実行時信頼性問題に再キャストし、実行可能な結果を通じて評価する必要がある。
関連論文リスト
- MemToC: Benchmarking Memory-Tool Conflict Resolution in Large Language Models [49.47300047353726]
MemToCは、実行時ツールによるポストツール-リターン仲裁のベンチマークである。
MemToCは、542の質制御された事実質問から構築された6,504回の評価エピソードで構成されている。
オープンウェイトな7-9Bモデルでは、ツールが強く支配的なクローズドブックの回答を返す。
論文 参考訳（メタデータ） (2026-08-26T18:22:03Z) - Task-Conditioned Least-Privilege Learning for Executable Terminal and MCP Agents [45.88028371034407]
ツールを使用する大規模言語モデルエージェントは、ユーザが許可しなかったり、タスクが不要であったりする権限を行使しながらタスクを完了することができる。
本研究では,6次元のリスクを伴って各行動が実行前および観測結果から監査される枠組みを提案する。
このフレームワークを1500以上のタスクでQwen3.5-4Bでトレーニングした後、選択された種子は2,896回の評価エピソードで98.48%の安全成功に達した。
論文 参考訳（メタデータ） (2026-08-18T22:07:23Z) - KVDiagnosis: A Diagnostic Benchmark for KV-Cache Compression in Long-Context Language Models [5.349156411852564]
KV-cache圧縮は、長いコンテキストメモリを減らすが、アグリゲートタスクスコアは、どの正しい実行が失敗するか、なぜ失敗するかを明らかにしない。
我々は3つのコントリビューションを持つ診断データセットとベンチマークであるKVDiagnosisを提示する。
論文 参考訳（メタデータ） (2026-08-10T10:38:05Z) - Claim Plane: Reliability Gains and the Limits of Selective Concurrency for Parallel Coding Agents: A 30-Pair, Three-Seed Confirmatory Study of Deterministic Pre-Write Admission [1.4721615285883427]
Claim Plane氏は、この障害モードを、バージョン管理された変更意図に対する決定論的事前書込みとして扱う。
静的クレームプレーンは、制約のない並列実行の下でペアパスを23.3%から50.0%に引き上げた。
動的入院はより選択的であり、66.7%の紛争事件と13.3%のクリーンケースを連行したが、90件の処刑のうち46件は未宣言の範囲で閉鎖された。
論文 参考訳（メタデータ） (2026-08-02T02:56:49Z) - EduPluginBench: Executable Assurance for AI-Generated Educational Plugins [0.0]
我々は,ソフトウェアエコシステムにおいて生成したプラグインに対して,負の証明,実行可能なベンチマーク,ステージド・インセプション手法を導入する。
現在の2つの符号化モデルから600世代を凍結した転写研究では300/600が解析されたが、P0を通過させたり、P0-P4適合性を達成したりはしなかった。
初期の540世代の診断では、ホック後のバウンド修理で112回のP0パスが得られたが、全ては不整合であり、リコールは13.4%から100%に増加した。
論文 参考訳（メタデータ） (2026-08-01T16:22:35Z) - Token Reduction Is Not Cost Reduction [0.0]
再建した4成分の約87%に占めるコスト構成は,急激なキャッシュトラフィックが支配的であった。
ローカルペイロードの削減は、エンドツーエンドの請求コストの信頼できる予測器ではなかった。
本稿では,トークンの削減のみではなく,成功調整請求コストによる文脈還元システムの評価を提案する。
論文 参考訳（メタデータ） (2026-07-13T21:10:22Z) - Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。
我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。
我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
論文 参考訳（メタデータ） (2026-06-29T18:00:45Z) - ACCORD: Action-Conditioned Contextual Grounding for Language Agents [69.73525608707764]
ACCORD(Action-Conditioned Contextual Grounding)は、適応的なグラウンドのためのエージェントフレームワークである。
現状のエージェントは、しばしばそうすることができないことを示す。それらは、観察された特定の情報よりもむしろ仮定から行動し、収集した可能性のある情報を見落とし、既に返された証拠を組み込むことに失敗する。
論文 参考訳（メタデータ） (2026-06-15T09:05:55Z) - Policy-Conditioned Counterfactual Credit for Verifiable Reinforcement Learning of Long-Horizon Language Agents [0.0]
検証可能な報酬による強化学習は推論とツールの使用を改善するが、長期の言語エージェントは依然として、証拠連鎖と信念の漂流を学習する。
本稿では, 厳密な検証可能な報酬, 介入正当性ゲーティング, および政策条件付き対実的貢献(PCCC)推定器を用いた制約付きポリシー勾配アルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-06-03T16:19:36Z) - RAIL Guard: Closing the Evaluation-to-Remediation Gap in Responsible AI for LLM Agents [0.0]
RAIL GuardはクローズドループによるAIパイプラインである。
繰り返し出力をアセスメント・リライト・リ評価ループで更新する。
SystemはオープンソースSDKとして利用できる。
論文 参考訳（メタデータ） (2026-05-28T21:23:49Z) - Converted, Not Equivalent: Benchmarking Codebase Conversion via Observational Equivalence [56.25095230687242]
コーディングエージェントは、しばしば自身のローカル検証ルーチンを過度に信頼し、表面チェックを満たすアーティファクトの成功を宣言する。
この問題は、事前評価が結果駆動である変換において特に深刻である。
ブラインド・コンバージョンは26.7-28.9%に達し、スペック・パスレートは91.1%まで上昇した。
このことは、失敗は限られた予算やバックボーンの強さよりも、契約ミスによる自己検証に起因していることを示唆している。
論文 参考訳（メタデータ） (2026-05-27T19:57:15Z) - Credential Leakage in LLM Agent Skills: A Large-Scale Empirical Study [51.717224133855886]
サードパーティのスキルはLLMエージェントを強力な能力で拡張するが、特権のある環境では機密情報を扱うことが多い。
静的解析,サンドボックステスト,手動検査を用いて17,022のスキル(SkillsMPで170,226からサンプリング)を分析した。
我々は,1,708の課題で520の脆弱なスキルを識別し,10の漏洩パターン(事故4件,反対6件)の分類を導出する。
論文 参考訳（メタデータ） (2026-04-03T14:50:16Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z) - Trace: Securing Smart Contract Repository Against Access Control Vulnerability [58.02691083789239]
GitHubはソースコード、ドキュメント、設定ファイルを含む多数のスマートコントラクトリポジトリをホストしている。
サードパーティの開発者は、カスタム開発中にこれらのリポジトリからコードを参照、再利用、フォークすることが多い。
スマートコントラクトの脆弱性を検出する既存のツールは、複雑なリポジトリを扱う能力に制限されている。
論文 参考訳（メタデータ） (2025-10-22T05:18:28Z)
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。