論文の概要: Withholding the Completing Chunk: Deterministic Pair-Completion Guardrails for Streaming LLM Output

• arxiv url: http://arxiv.org/abs/2608.10279v1
• Date: Mon, 10 Aug 2026 22:20:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.831609
• Title: Withholding the Completing Chunk: Deterministic Pair-Completion Guardrails for Streaming LLM Output
• Title（参考訳）: コンプリートチャンクの保持:LCM出力をストリーミングする決定論的ペアコンプリートガードレール
• Abstract要約: それぞれの危険署名が2つの語彙述語の組み合わせである狭義の決定論的構成について検討する。 Llama Guard 3 1Bベースラインは、310/338の安全な応答を安全、202/394の安全でない応答を安全でないと分類した。
• 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: Streaming language-model output creates a release-timing problem: complete-response moderation acts after streamed text has escaped, whereas repeated semantic classification of partial text can be costly and unstable. We study a narrow deterministic construction in which each committed danger signature is the conjunction of two lexical predicates. The guard scans the accumulated prefix before every release and withholds the first chunk that makes both predicates observable. Across four signature families, eight chunk sizes, and 32 mechanism trials, streaming decisions matched the buffered scanner and withheld every pair-completing chunk; eight single-predicate controls passed. In a separate 512-trial strategy comparison, full-prefix scanning and complete buffering detected all configured pairs, a 512-character window detected 96/128, and chunk-local scanning detected 38/128. Fixed pairs flagged 0/338 human-derived safe responses and detected 0/394 jury-labelled unsafe responses, confirming narrow rather than general harm coverage. A calibrated official Llama Guard 3 1B baseline classified 310/338 safe responses as safe and 202/394 unsafe responses as unsafe. Repeated-prefix scanner time on 16,384-character responses ranged from 13.261 ms to 829.640 ms across tested chunk sizes. Pair completion is therefore an exact release-boundary backstop for a small fixed policy, not a substitute for semantic moderation.
• Abstract（参考訳）: ストリームされたテキストの後に完全に応答するモデレーションが回避された一方で、部分テキストの繰り返しセマンティックな分類はコストがかかり不安定である。 それぞれの危険署名が2つの語彙述語の組み合わせである狭義の決定論的構成について検討する。 ガードはリリース毎に蓄積したプレフィックスをスキャンし、両方の述語が観測可能である最初のチャンクを保持する。 4つのシグネチャファミリ、8つのチャンクサイズ、32のメカニズムのトライアルで、ストリーミングの決定はバッファされたスキャナと一致し、ペアコンプリートされたチャンクをすべて保持した。 512文字のウィンドウは96/128,チャンクローカルスキャンは38/128であった。 固定ペアは0/338人の安全応答を通知し、0/394人の陪審員による安全でない応答を検出した。 310/338の安全応答は安全とされ、202/394の安全でない応答は安全でないと分類された。 16,384文字の繰り返し前のスキャナーの応答は、試験されたチャンクサイズで13.261msから829.640msまで変化した。 したがって、ペアコンプリートは、セマンティックモデレーションの代用ではなく、小さな固定ポリシーのための正確なリリースバウンダリバックストップである。

関連論文リスト

• The Deception Delta: Adversarial Evaluation of LLM-Based Smart Contract Bytecode Forensics [0.0]
  大規模な言語モデルは、ブロックチェーンの法医学的な調査でますます使われている。 逆行性騙しは ドレインの検出を 20.0ポイント減らす モデルは、隠されたドレインメカニズムを正しく記述するが、契約のフレーミングを受け入れ、それを良心として無視する。
  論文  参考訳（メタデータ） (2026-09-12T18:45:24Z)
• VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
  テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。 それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。 我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
  論文  参考訳（メタデータ） (2026-09-02T20:36:45Z)
• Boundary-Mutation Testing for Pattern-Based Secret Detection: A Rule-Level Method and Cross-Scanner Evaluation [0.0]
  パターンベースシークレットスキャナにおける境界突然変異試験 3つのスキャナー(43ルールのオープンソーススキャナ、Gitleaks 8.21.2、TruffleHog 3.82.13)がテストされている。
  論文  参考訳（メタデータ） (2026-09-02T13:41:50Z)
• LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
  大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。 我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:13:05Z)
• Failure-Aware Long-Form Translation: Design and Implementation of a Recoverable LLM Translation System [0.0]
  本報告では、異種入力とプロバイダAPIを備えたデプロイ翻訳システム向けに開発されたリカバリプロトコルについて述べる。 64文字ウィンドウの後方での最初の可視リリースを遅らせ、組み立てられた出力を検証し、型付きストリームイベントを使用して継続の置き換えを区別する。 衛生化されたコンパニオンアーティファクトがプロトコルを実装し、38の公開テストに合格する。
  論文  参考訳（メタデータ） (2026-08-10T06:56:56Z)
• Stage-Replay Divergence Follows the KV Cache: Fixed-Prefix Precision Controls and Bidirectional Cache Transplantation [51.56484100374058]
  Stage-replayは中間トークンプレフィックスを再構築し、プレフィックスに最初に到達したデコーダ状態からの継続として、新しいプリフィル継続を処理する。 一致した200itemの実験では、保持されたライブキャッシュと同一の整数トークンのワンショットプリフィルを比較し、両側に正確なレプリカを配置する。
  論文  参考訳（メタデータ） (2026-07-30T16:41:40Z)
• Control-Plane Placement Shapes Forgetting: An Architectural Study of Agent Memory Across Thirteen System Configurations [1.2763567932588586]
  ForgetEvalは1000ケースのテンプレート・スイートと385ケースの対向層(手作り+253 LLMのオラクル・バリデーション) 決定論的プリミティブは語彙的・時間的カテゴリーで十分だが、正準化に失敗する。 1000ケースのテンプレートスイートと385ケースの反対層であるForgetEvalを通じて、トレードオフを公開しています。
  論文  参考訳（メタデータ） (2026-06-14T16:32:15Z)
• Hiding in Plain Floats: Steganographic Carriers for Indirect Prompt and Content Injection [0.0]
  テキスト中心のインジェクション防御は、検査されたテキストビューの1つに悪意のある信号が見えると仮定する。 再現可能なLLM01スタイルの間接的プロンプト/入射障害モードについて検討した。 平らな英語で捕獲されたペイロードは、構造されたフロートパラメータとして輸送され、断片化されたテレメトリとしてのみ再構成されるとき、同じ検出器を通り過ぎます。
  論文  参考訳（メタデータ） (2026-06-07T01:41:01Z)
• TOKI: A Bitemporal Operator Algebra for Contradiction Resolution in LLM-Agent Persistent Memory [22.85129722207174]
  矛盾の解決は書き込み時の制御であり、欠落した契約を明確にすることを示しています。 TOKIは、二重行スキーマ上での2時間演算子の1つのファミリとして、四重項をタイプする。 8つのシステムにまたがる判定行列はギャップをローカライズする: 書き込みパス上の言語モデル判断を保持するすべてのベースラインは、3つの書き込み時異常のうちの少なくとも1つを許容する。
  論文  参考訳（メタデータ） (2026-06-04T14:46:52Z)
• From Attack Simulation to SIEM Rule: Deterministic Detection-as-Code Synthesis with Probe-Level Traceability [51.56484100374058]
  セキュリティチームは、自身のシステムに対する攻撃をシミュレートして、監視が真の侵入者を捕まえるかどうかをチェックする。 人間はそのギャップを手でブリッジし、それぞれの発見を読み、対応するシグマルールを書きます。 ロックされたコーパスからプローブが引き出されると,この変換が部分的に自動化されることを示す。
  論文  参考訳（メタデータ） (2026-06-03T14:26:25Z)
• Breaking Safety at the Token Boundary: How BPE Tokenization Creates Exploitable Gaps in LLM Alignment [9.127363793428119]
  文字レベルの摂動は、人間を可読化しているにもかかわらず、現代のLLMの安全アライメントを回避している。 BPEトークン化は、安全クリティカルな単語をサブワードに断片化する。
  論文  参考訳（メタデータ） (2026-05-01T18:57:03Z)
• TrapSuffix: Proactive Defense Against Adversarial Suffixes in Jailbreaking [52.72486831074384]
  サフィックスベースのジェイルブレイク攻撃は、敵のサフィックス、すなわち短いトークンシーケンスを付加し、LLMを安全でない出力にステアリングする。 提案するTrapSuffixは,推論パイプラインを変更することなく,トラップアラインな動作をベースモデルに注入する,軽量な微調整手法である。 様々なサフィックスベースのジェイルブレイク設定で、TrapSuffixは平均攻撃成功率を0.01%以下に下げ、平均追跡成功率87.9%を達成する。
  論文  参考訳（メタデータ） (2026-02-06T11:43:56Z)
• A Granular Study of Safety Pretraining under Model Abliteration [64.24346997570275]
  本稿では,リフレクションに敏感な方向を除去する軽量プロジェクション技術であるモデルアブリーブレーションについて検討する。 我々は、バランスのとれた有害かつ無害なケースで100のプロンプトを発行し、複数の判断を用いて**Refusal*または***Non-Refusal*として応答を分類し、判断の忠実さを検証する。 本研究は,データ中心の安全コンポーネントが失語中も頑健であるチェックポイントレベルの特徴付けを行う。
  論文  参考訳（メタデータ） (2025-10-03T07:01:45Z)
• Certifying LLM Safety against Adversarial Prompting [70.96868018621167]
  大規模言語モデル(LLM)は、入力プロンプトに悪意のあるトークンを追加する敵攻撃に対して脆弱である。 我々は,認証された安全保証とともに,敵のプロンプトを防御する最初の枠組みである消去・チェックを導入する。
  論文  参考訳（メタデータ） (2023-09-06T04:37:20Z)

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。