論文の概要: HoloAegis: Frozen Representation, Topological Inference: Minimally Parametric Safety Manifolds for Zero-Shot LLM Guardrails

• arxiv url: http://arxiv.org/abs/2608.08485v1
• Date: Sun, 09 Aug 2026 05:05:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:36.841706
• Title: HoloAegis: Frozen Representation, Topological Inference: Minimally Parametric Safety Manifolds for Zero-Shot LLM Guardrails
• Title（参考訳）: HoloAegis: 凍結表現, トポロジカル推論: ゼロショットLLMガードレールの最小パラメトリック安全マニフォールド
• Abstract要約: HoloAegisは、表現を推論から分離する最小パラメトリックなトポロジカル推論フレームワークである。 8つのベンチマークで評価され、HoloAegisは最先端の精度(AuthenHalluの1.0000 AUC、HarmBenchの0.9802 AUC)、サブミリ秒レイテンシ、コールドスタートデータゼロ、言語間転送(中国のCHIFRAUDの0.9758 AUC)を実現している。
• 参考スコア（独自算出の注目度）: 17.07949373919355
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current LLM safety guardrails face a fundamental tension: fine-tuning distorts pre-trained representations while generative judges incur prohibitive inference costs. We challenge the prevailing paradigm by asking: can safety be achieved through pure geometric reasoning over frozen semantic representations? We present HoloAegis, a minimally parametric topological inference framework that decouples representation from reasoning. We term our approach minimally parametric because the only free parameters are the anchor count K and the temperature tau, both fixed after construction and requiring no gradient-based training. An un-fine-tuned encoder maps text to a unit sphere, after which all decisions are purely geometric. We formalize safety evaluation as a Gibbs-Boltzmann Free Energy computation over a pre-computed System Topology Anchor Bank, and we introduce Dual Time-Scale Exponential Moving Averages to detect progressive multi-turn semantic drift. Our key theoretical insight is a Topological Boundary Stability Conjecture: we provide theoretical motivation and strong empirical evidence that sparse anchor centroids stabilize the decision boundary against high-frequency lexical perturbations far better than full vector space methods. Evaluated across 8 benchmarks, HoloAegis achieves state-of-the-art accuracy (1.0000 AUC on AuthenHallu, 0.9802 on HarmBench) with sub-millisecond latency, zero cold-start data, and cross-lingual transfer (0.9758 AUC on Chinese CHIFRAUD).
• Abstract（参考訳）: 現在のLLMの安全ガードレールは基本的な緊張に直面しており、微調整の歪みは事前訓練された表現を歪め、生成的裁判官は違法な推論コストを発生させる。 我々は、凍ったセマンティック表現よりも純粋に幾何学的推論によって安全が達成できるのか? 本稿では,表現を推論から分離する最小パラメトリックなトポロジカル推論フレームワークであるHoloAegisを紹介する。 提案手法は, アンカー数Kと温度タウのみのパラメータで, 建設後に固定され, 勾配に基づく訓練を必要としないため, 最小パラメトリックと呼ぶ。 微調整されていないエンコーダは、テキストを単位球にマッピングし、すべての決定は純粋に幾何学的である。 我々は,Gibs-Boltzmann自由エネルギー計算として,事前計算したシステムトポロジアンカーバンク上での安全性評価を形式化し,進行するマルチターンセマンティックドリフトを検出するために,Dual Time-Scale Exponential moving Averagesを導入する。 我々は、スパースアンカーセンチロイドが全ベクトル空間法よりもはるかに優れた高周波語彙摂動に対して決定境界を安定化させるという理論的動機と強い経験的証拠を提供する。 8つのベンチマークで評価され、HoloAegisは最先端の精度(AuthenHalluでは1.0000 AUC、HarmBenchでは0.9802 AUC)を達成し、ミリ秒以下のレイテンシ、コールドスタートデータゼロ、言語間転送(CHIFRAUDでは0.9758 AUC)を実現している。

関連論文リスト

• Bilevel Coordinated Reflection: A Game-Theoretic Approach to Multi-Agent LLM Systems [40.47928908205563]
  マルチエージェントLLMシステムは、一般的にオーケストレータを使用して、労働者のチームのためにタスクを分解し、テキストリフレクションによって改善する。 強い実証結果にもかかわらず、これらのシステムには調整、メモリ改善、外部検証の役割の統一的な説明が欠けている。 我々は,評価のための信頼ゲーティングと,断片的な静止環境に対する保証の再集計を行う。 実験では、これらのオブジェクトを環境条件付きメトリクスでインスタンス化し、予測調整法則とドリフト法則をテストする。
  論文  参考訳（メタデータ） (2026-09-02T15:50:10Z)
• Scalable Lindblad Noise Learning via Stochastic Tensor-Network Simulation [48.887627688666974]
  大規模オープン量子システムにおける学習散逸率は、短期量子技術の大きな障害である。 本稿では,シミュレーション手法であるJump Method(TJM)を組み合わせたLindblad散逸率のスケーラブルなノイズ学習フレームワークを提案する。 我々は,Isingモデルにおける2つのノイズモデルに対するアプローチを実証し,各サイトについて,N_mathrmsite=16$まで独立散逸率を学習した。 スケーラブルな数値と厳密な理論的保証の組み合わせは、TJMベースのノイズ学習を大きな量子デバイスにおける散逸を特徴づける実用的な基礎として位置づけている。
  論文  参考訳（メタデータ） (2026-08-25T15:07:11Z)
• Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
  Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。 5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。 TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
  論文  参考訳（メタデータ） (2026-07-06T07:31:37Z)
• Latent Clarity: Bridging World-Model Kinematics to Semantic Manifolds for Video Anomaly Anticipation [0.0]
  継続的ビデオ検出は、リアクティブなMIL(Multiple Instance Learning)によって支配され、機能がスコアに分解される。 本稿では,連続的な意味的世界モデルパイプラインであるPULS(Predictive Unified Latent Space)を紹介する。 この翻訳だけで、UCF-Crime のチャンクレベル AUROC は 0.8994 であり、MIL や階層融合のない分布外異常は 0.8162 である。
  論文  参考訳（メタデータ） (2026-07-03T18:47:54Z)
• Greedy Coordinate Diffusion: Effective and Semantically Coherent Adversarial Attacks via Diffusion Guidance [48.34904668359272]
  大規模言語モデルに対するアドリアック攻撃は、広範な研究にもかかわらず、実用的影響が限られている。 本稿では,Greedy Coordinate Diffusion(GCD)について紹介する。 GCDは、敵の本来の意図に低い難易度と高い意味的固執を維持している。
  論文  参考訳（メタデータ） (2026-06-14T01:18:53Z)
• Graph Transfer Learning via Shared Latent Geometry: Theory and Applications [12.735610064958712]
  工学的な物理システムにおける推論と制御は、展開において重い物理コストを支払う。 両問題を解決する非対称な双方向アーキテクチャを提案する。 教師エンコーダは、高忠実度シミュレータから特権化された高密度状態を消費し、スペクトル摂動下で安定な演算子-ポリノミカル特徴を通してシステムを表現する。 学生エンコーダは、スパースフィールドデータと演算子記述子から同じ潜時幾何学を学習する。
  論文  参考訳（メタデータ） (2026-05-30T13:00:13Z)
• Controlling False Discovery in Arbitrarily Structured Hypothesis Spaces via Reproducing Kernels [47.16593717985932]
  連続的なドメイン、グラフ、階層を1つのアルゴリズムで統一するフレームワークをカーネル選択のみで導入する。 FDR(False Discovery Rate)を制御するための2つの決定ルールを提供します。 本手法は,高次元実世界のデータセットから得られた空間的位置とタンパク質間相互作用グラフを用いた遺伝子発現タスクの2つの情報源で検証する。
  論文  参考訳（メタデータ） (2026-05-17T17:42:56Z)
• Central Limit Theorem for Two-Time-Scale Approximate Distributionally Robust RL [8.809468023364703]
  堅牢な強化学習アルゴリズムの設計は根本的な課題を生んでいる。 本稿では、関連するロバスト関数の1次展開に基づく近似DRRLフレームワークを提案する。 この近似方程式の定点を学習するために,平均変数近似(MVSA)を提案する。
  論文  参考訳（メタデータ） (2026-05-08T19:24:28Z)
• SphereVAD: Training-Free Video Anomaly Detection via Geodesic Inference on the Unit Hypersphere [90.85001795656633]
  ビデオ異常検出(VAD)は、トリミングされていない監視ビデオの通常のパターンから逸脱するイベントを自動的に識別することを目的としている。 SphereVADはトレーニング不要でゼロショットのVADフレームワークで、単位超球面上の準比測地線推定をvon Mises-Fisher (vMF) と再放送する。
  論文  参考訳（メタデータ） (2026-05-08T16:57:38Z)
• RANDSMAPs: Random-Feature/multi-Scale Neural Decoders with Mass Preservation [39.146761527401424]
  本稿では, RANDSMAP (Random-feature/multi-scale neural decoder with Mass Preservation) を導入し, 多様体学習における画像前処理の問題を解決する。 RANDSMAPは計算コストが低い場合に高い再構成精度を示し、単一マシンの精度で大量保存を維持できることを示した。
  論文  参考訳（メタデータ） (2026-01-21T09:18:10Z)
• Gradient Structure Estimation under Label-Only Oracles via Spectral Sensitivity [37.729118253160145]
  我々は,既存の手動攻撃の幅広い範囲を,真の損失勾配の兆候を暗黙的に近似するものとして解釈できることを示す統一理論的な視点を開発する。 この第一原理の理解に動機づけられた我々は、ゼロクエリの周波数領域初期化とパターン駆動最適化(PDO)戦略を組み合わせた新たな攻撃フレームワークを提案する。 我々は、CIFAR-10、ImageNet、ObjectNetに関する広範な実験を通じて、我々のフレームワークを実証的に検証し、標準および敵対的に訓練されたモデル、商用API、CLIPベースのモデルをカバーする。
  論文  参考訳（メタデータ） (2026-01-17T02:47:47Z)
• Learning by Neighbor-Aware Semantics, Deciding by Open-form Flows: Towards Robust Zero-Shot Skeleton Action Recognition [41.77490816513839]
  ゼロショットスケルトン動作認識のための新しい手法を,$texttt$textbfFlora$$として提案する。 具体的には、方向対応の地域意味論と相互整合性目標を取り入れたテキスト意味論を実践する。 3つのベンチマークデータセットによる実験により,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2025-11-12T14:54:53Z)
• Pure Exploration via Frank-Wolfe Self-Play [9.025261095806309]
  我々は、有限個の代替案から正しい仮説を効果的に同定することを目的として、構造化された多腕包帯の純粋な探索について研究する。 我々の分析は連続時間ステア(英語版)を通し、減衰するリャプノフ函数との微分包含は、失効する双対性ギャップと最適値への収束を示唆する。
  論文  参考訳（メタデータ） (2025-09-24T08:55:21Z)
• Beyond the Edge of Stability via Two-step Gradient Updates [49.03389279816152]
  Gradient Descent(GD)は、現代の機械学習の強力な仕事場である。 GDが局所最小値を見つける能力は、リプシッツ勾配の損失に対してのみ保証される。 この研究は、2段階の勾配更新の分析を通じて、単純だが代表的でありながら、学習上の問題に焦点をあてる。
  論文  参考訳（メタデータ） (2022-06-08T21:32:50Z)
• ROME: Robustifying Memory-Efficient NAS via Topology Disentanglement and Gradient Accumulation [106.04777600352743]
  微分可能なアーキテクチャサーチ(DARTS)は、スーパーネット全体がメモリに格納されているため、メモリコストが大幅に低下する。 シングルパスのDARTSが登場し、各ステップでシングルパスのサブモデルのみを選択する。 メモリフレンドリーだが、計算コストも低い。 RObustifying Memory-Efficient NAS (ROME) と呼ばれる新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-23T06:34:07Z)

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。