論文の概要: MAP-Graph: Provenance-Aware Shared Memory for Multi-Agent Workflows
- arxiv url: http://arxiv.org/abs/2608.10509v1
- Date: Tue, 11 Aug 2026 05:31:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:45.918664
- Title: MAP-Graph: Provenance-Aware Shared Memory for Multi-Agent Workflows
- Title（参考訳）: MAP-Graph:マルチエージェントワークフローのためのプロヴァンス対応共有メモリ
- Abstract要約: MAP-Graphは,エージェント,ソース,メモリ,クレーム,アクションを型付き実行グラフで表現するメモリ層である。
祖先を辿り、許可なしのレコードを除外し、意味的類似性と乗法的経路信頼によって資格ある記憶を再引用し、影響された系統を監査するために保持しながら、行動実行前に危険に敏感なゲートを適用します。
- 参考スコア（独自算出の注目度）: 21.565934900490166
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Shared memory helps language-model agents reuse information across long workflows, yet relevant evidence may not be admissible for a particular agent or action. Because restrictions propagate through derivations, summaries can conceal private, poisoned, untrusted, or revoked sources, enabling unauthorized reads or unsafe actions. Existing approaches provide semantic retrieval, scoped access, or lineage tracking, but do not clearly separate hard authorization from graded trust or adapt evidence requirements to action risk. We introduce MAP-Graph, a provenance-aware memory layer that represents agents, sources, memories, claims, and actions in a typed execution graph. It traces ancestry, excludes permission-ineligible records, reranks eligible memories by semantic similarity and multiplicative path trust, and applies a risk-sensitive gate before action execution while retaining affected lineage for audit. On a controlled benchmark of 2,700 synthetic tasks per method across three domains, MAP-Graph achieves 94.96\% overall task success, 72.70\% exact decision accuracy, and 90.22\% in the clean setting, where success requires a correct \textsc{Allow} rather than a safe intervention. Ablations isolate the roles of permission filtering, path trust, and action gating, while transfer tests with two additional backbones preserve the exact-decision and access-control advantages. These results support provenance as an operational control signal, rather than only post-hoc audit metadata, within the evaluated setting.
- Abstract（参考訳）: 共有メモリは、言語モデルエージェントが長いワークフローで情報を再利用するのに役立つが、関連する証拠は特定のエージェントやアクションに対して許容されない可能性がある。
制限は導出によって伝播するため、サマリーは私的、毒、不信、または取り消しのソースを隠蔽し、不正な読み取りや安全でない行為を可能にする。
既存のアプローチは、セマンティック検索、スコープアクセス、系統追跡を提供するが、格付けされた信頼と明確に区別したり、行動リスクにエビデンス要件を適用したりしない。
MAP-Graphは,エージェント,ソース,メモリ,クレーム,アクションを型付き実行グラフで表現するメモリ層である。
祖先を辿り、許可なしのレコードを除外し、意味的類似性と乗法的経路信頼によって資格ある記憶を再引用し、影響された系統を監査するために保持しながら、行動実行前に危険に敏感なゲートを施す。
MAP-Graphは3つのドメインにわたるメソッド毎の2700の合成タスクの制御されたベンチマークで、94.96\%のタスク成功、72.70\%の正確な決定精度、90.22\%のクリーンな設定を実現している。
アブレーションはパーミッションフィルタリング、パス信頼、アクションゲーティングの役割を分離する一方、2つの追加のバックボーンによるトランスファーテストは正確な決定とアクセス制御の利点を保っている。
これらの結果は,評価設定内での監査後のメタデータだけではなく,運用制御信号としての証明を支援する。
関連論文リスト
- ROPE: Routed Origin Policy Enforcement against Indirect Prompt Injection [61.4148196085256]
本稿では,信頼という構造概念に根ざしたROPE(Routed Origin Policy Enforcement)について述べる。
提案手法では,(1)軌道の各段階において,攻撃可能コンテンツのみを起点とする値が,原点保護パラメータに到達しない,(2)注入のリワードがない,という2つの保証が認められている。
論文 参考訳（メタデータ） (2026-08-27T01:22:14Z) - Agent Security Needs Redefinition through a Holistic Framework [46.88917910966891]
被告は、命令が悪意あるように見えるかどうかを問う。ベンチマークは、エージェントが有害な鳴き声を行うかどうかを問う。
我々は,エージェントの軌道全体にわたって連続的に評価されなければならない4つの特性を通じて,コンテキストセキュリティを運用する。
論文 参考訳（メタデータ） (2026-07-24T06:43:09Z) - DRNOISE: Benchmarking Deep Research Agents in Misleading Evidence Environments [51.049999642138]
誤解を招く証拠の下で、回答回復のための100タスクのベンチマークであるDRNOISEを紹介する。
それぞれのタスクは、2つの間接的レコードチェーンが支持する固有の金の答えを持ち、ペアのノイズ条件は競合する答えを直接記述する1つのもっともらしい文書を付加する。
強いクリーンタスク性能を持つエージェント全体で、この単一の介入は66-88ポイントの精度低下を引き起こす。
論文 参考訳（メタデータ） (2026-07-19T15:20:40Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - RedAct: Redacting Agent Capability Traces for Procedural Skill Protection [6.305785618804429]
実行トレースには、ツールの実行、中間決定、エラー回復ロジックなど、手続きの詳細が豊富に含まれている。
この詳細はプライベートな手続きスキルを公開して、ダウンストリームメソッドがモデルウェイトやスキルファイルにアクセスせずに、重要な公式、しきい値、戦略を復元することを可能にする。
我々は,保護キー情報をローカライズする保護されたトレースリリースフレームワークであるRedActを紹介する。
論文 参考訳（メタデータ） (2026-06-09T12:57:50Z) - Aligning Provenance with Authorization: A Dual-Graph Defense for LLM Agents [11.867868278947524]
LLMベースのエージェントは、Eメール管理、金融トランザクション、コード実行など、ハイテイクなシナリオにますますデプロイされている。
2つの相補グラフを構成するデュアルグラフアライメント・ディフェンス・フレームワークであるAuthGraphを提案する。
AgentDojoでは、AuthGraphが攻撃成功率を40%から1%に削減し、GPT-4oでは76%のタスク完了率を維持している。
論文 参考訳（メタデータ） (2026-05-26T03:20:23Z) - Verify-Gated Completion as Admission Control in a Governed Multi-Agent Runtime: A Bounded Architecture Case Study [0.6875312133832079]
制御されたマルチエージェントランタイムの入出力制御パターンとして,検証ゲート補完について検討する。
観測条件下では,読み取り専用検証ゲートとパケット化入力記録が検査可能で,フェールクロースされた。
論文 参考訳（メタデータ） (2026-05-18T07:52:13Z) - AgentSys: Secure and Dynamic LLM Agents Through Explicit Hierarchical Memory Management [47.49917373646469]
既存の防御は肥大した記憶を与えられたまま扱い、回復力を維持することに集中する。
我々は、明示的なメモリ管理を通じて間接的なインジェクションを防御するフレームワークであるAgentSysを紹介する。
論文 参考訳（メタデータ） (2026-02-07T06:28:51Z) - DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
DoVerは、大規模言語モデル(LLM)ベースのマルチエージェントシステムのための介入駆動デバッグフレームワークである。
ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。
DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
論文 参考訳（メタデータ） (2025-12-07T09:23:48Z) - 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。