論文の概要: WeClawArena: An Auditable Sandbox and Benchmark for Cross-User Agents Collaboration and Security in Human-Centered Agent Networks
- arxiv url: http://arxiv.org/abs/2608.03499v1
- Date: Tue, 04 Aug 2026 11:42:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.158815
- Title: WeClawArena: An Auditable Sandbox and Benchmark for Cross-User Agents Collaboration and Security in Human-Centered Agent Networks
- Title（参考訳）: WeClawArena: 人中心エージェントネットワークにおけるクロスユーザエージェントのコラボレーションとセキュリティのための監査可能なサンドボックスとベンチマーク
- Abstract要約: WeClawArenaは、監査可能なベンチマークと、個人ワークスペース上でのマルチパーティ所有エージェントコラボレーションのためのランタイムサンドボックスである。
WeClawArenaは、パーソナルワークスペースが運用ツールと個人的制約の両方として機能する、共同ツール使用タスクをターゲットにしている。
- 参考スコア（独自算出の注目度）: 8.407647753724103
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in persistent personal-agent frameworks are making human-centered agent networks realistic deployment targets: each user can be served by an AI agent that acts on the user's behalf, maintains state, and communicates with other agents through social and task relations. In these networks, everyday tool use becomes multi-party owned-agent collaboration over personal workspaces, where files, records, tools, and policies are not directly visible across owners. Existing agent benchmarks study tool use and collaboration, but they do not provide an end-to-end sandbox for verifiable cross-user agent collaboration with realistic user digital workspaces or test how harmful actions can travel through the human-centered agent network. We introduce WeClawArena, an auditable benchmark and runtime sandbox for multi-party owned-agent collaboration over personal workspaces. WeClawArena targets collaborative tool-use tasks in which personal workspaces serve as both operational tools and personal constraints. The benchmark contains 124 base tasks across six cross-user task domains and expands them into 620 scenario variants, with one benign control and four attack-vector variants per base task. The sandbox records peer messages, tool calls, resource operations, governed decisions, and final workspace states. WeClawArena reports utility and attack success rate separately and audits attack success from bounded runtime evidence, supporting diagnosis of task breakdown, privacy leakage, poisoned evidence, and invalid authority paths.
- Abstract（参考訳）: 永続的なパーソナルエージェントフレームワークの最近の進歩は、人間中心のエージェントネットワークを現実的なデプロイメントターゲットにしている。各ユーザは、ユーザに代わって行動し、状態を維持し、社会的およびタスクの関係を通じて他のエージェントと通信するAIエージェントによって提供することができる。
これらのネットワークでは、日常的なツール使用は、ファイル、レコード、ツール、ポリシーが所有者間で直接表示されない、個人ワークスペース上での複数パーティの所有エージェントコラボレーションになる。
既存のエージェントベンチマークはツールの使用とコラボレーションを研究するが、現実的なユーザデジタルワークスペースとのコラボレーションを検証するためのエンドツーエンドのサンドボックスを提供していない。
WeClawArenaは、監査可能なベンチマークと、個人ワークスペース上でのマルチパーティ所有エージェントコラボレーションのためのランタイムサンドボックスである。
WeClawArenaは、パーソナルワークスペースが運用ツールと個人的制約の両方として機能する、共同ツール使用タスクをターゲットにしている。
ベンチマークには6つのクロスユーザタスクドメインに124のベースタスクが含まれており、それらを620のシナリオ変種に拡張している。
サンドボックスはピアメッセージ、ツールコール、リソース操作、統治された決定、最終的なワークスペース状態を記録する。
WeClawArenaは、ユーティリティとアタックの成功率を別々に報告し、バウンドランタイムエビデンスからの攻撃成功の監査、タスクのブレークダウンの診断、プライバシリーク、有毒なエビデンス、無効な権限パスをサポートする。
関連論文リスト
- DuMateBench: Evaluating Autonomous Agents in Complex Real-World Workflows [69.12339622053588]
我々はDuMateBenchを紹介した。DuMateBenchは匿名化およびプライバシスクリーニングによるユーザセッションから再構築されたリアルセッションベンチマークである。
結果として得られたベンチマークは、8つの広いシナリオにまたがる200のタスクと、17のきめ細かい機能カテゴリで構成されている。
これらのタスクは、Isufficient、Unstable、Noisyの3種類の環境複雑性を注入した、分離されたDockerコンテナで実行します。
論文 参考訳（メタデータ） (2026-08-27T02:36:23Z) - Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。
本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
論文 参考訳（メタデータ） (2026-07-23T04:34:06Z) - Trusted Credentials, Untrusted Behavior: Benchmarking LLM-Agent Security in High-Performance Computing [4.508726112104009]
大規模言語モデル (LLM) エージェントは、高性能コンピューティングにおける日常的な作業に取り組み始めている。
本稿では,HPC設定における脅威モデルを定義し,スケジューラ,共有ストレージ,マルチプロジェクトアカウント,科学的な評価を行い,現在の制御が不足している箇所について検討する。
論文 参考訳（メタデータ） (2026-07-20T20:16:02Z) - CONTRA: Red-Teaming Configurations of Personalizable Agents [31.01865239234458]
エージェント構成と、明示的な指示なしに危険な行動を実行するリスクの相互作用について検討する。
LLM支援木探索アルゴリズムであるconfiguration Tree-search for Red-teaming Agents (CONTRA)を提案する。
大規模な分析では、75.1%のスキルが少なくとも1つの構成を持つため、悪意のあるアクションが実行される。
論文 参考訳（メタデータ） (2026-07-03T11:34:27Z) - 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) - Collaborative Human-Agent Protocol (CHAP) [0.18352113484137622]
本稿では,協調型ヒューマンエージェントプロトコルCHAPについて述べる。
CHAPでは、チャットスレッドに紛失したオーバーライドは、差分、合理、コンテンツハッシュを含む構造化イベントとなる。
このプロトコルは、小さなコア(ワークスペース、参加者、タスク、アーティファクト、追加のみのエビデンスログ)を通じて、レビュー、モード、ルーティング、検討、ハンドオフ、アイデンティティ、シグネチャ、デプロイに必要な透過的な監査を追加する構成可能なプロファイルとともに、これを実現する。
論文 参考訳（メタデータ） (2026-06-08T17:11:42Z) - AgentHijack: Benchmarking Computer Use Agent Robustness to Common Environment Corruptions [78.49000936275773]
我々は、一般的な汚職下でのコンピュータ利用エージェントの堅牢性を評価するために設計されたベンチマークであるAgentHijackを紹介する。
MLLMをベースとした各種デスクトップタスクを評価し, 汚職の小さな事例であっても, 大幅な性能劣化が生じることを確認した。
本稿では,動作の要約と環境チェックに責任を負う見物人として,アクションジェネレータと接地機能を統合したフレームワークであるAgent Hijack-Agentを提案する。
論文 参考訳（メタデータ） (2026-05-25T11:09:22Z) - ClawNet: Human-Symbiotic Agent Network for Cross-User Autonomous Cooperation [33.44625630134376]
AIエージェントの次のフロンティアは、より強い個々の能力ではなく、人間の協力関係のデジタル化にある、と我々は主張する。
各ユーザは、エージェントではなく、ノードが人間であるネットワークを形成する、所有者に代わってコラボレーションする永続的拘束力のあるエージェントシステムを所有している。
ClawNetはアイデンティティ管理されたエージェントコラボレーションフレームワークで、中央オーケストレータを通じてIDバインディングと認証を強制する。
論文 参考訳（メタデータ） (2026-04-21T08:15:05Z) - ALARA for Agents: Least-Privilege Context Engineering Through Portable Composable Multi-Agent Teams [0.0]
宣言型コンテキストエージェント・ツール(CAT)データ層を関連ファイルを通じて表現し,各エージェントのツールアクセスとコンテキストを,その役割に必要な最小限に制限する。
システムがこれらのファイルを構造的に解析し強制するため、エージェントのツールリストを変更することで、モデルが従うかもしれない、あるいは従わないかもしれないという提案よりも、保証された振る舞いの変更が生成される。
我々は,ファイル操作,Web検索,マルチステップスクリプティング,ツールチェーン,マルチエージェントデリゲートにまたがる115の実用的なタスクに対して,0.6Bから35Bパラメータのローカルホストモデル22を評価した。
論文 参考訳（メタデータ） (2026-03-20T18:00:09Z) - OpenAgentSafety: A Comprehensive Framework for Evaluating Real-World AI Agent Safety [58.201189860217724]
OpenAgentSafetyは,8つの危機リスクカテゴリにまたがるエージェントの動作を評価する包括的なフレームワークである。
従来の作業とは異なり、我々のフレームワークは、Webブラウザ、コード実行環境、ファイルシステム、bashシェル、メッセージングプラットフォームなど、実際のツールと対話するエージェントを評価します。
ルールベースの分析とLSM-as-judgeアセスメントを組み合わせることで、過度な行動と微妙な不安全行動の両方を検出する。
論文 参考訳（メタデータ） (2025-07-08T16:18:54Z) - Kaleidoscopic Teaming in Multi Agent Simulations [75.47388708240042]
我々は,エージェントが行う複雑な行動,思考プロセス,行動の安全性リスクを評価する上で,既存のレッドチームや安全評価フレームワークは不十分であると主張している。
我々は,新しいコンテキスト内最適化手法を導入し,安全解析のためのより良いシナリオを生成する。
エージェントの安全性を測定するためのフレームワークとともに使用できる適切なメトリクスを提案する。
論文 参考訳（メタデータ） (2025-06-20T23:37:17Z) - Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。
ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。
3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-03-05T15:08:16Z)
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。