論文の概要: Explicit State Elicitation Is Not Enough: A Controlled Audit of Memory-Policy Classification

• arxiv url: http://arxiv.org/abs/2608.17247v1
• Date: Tue, 18 Aug 2026 01:04:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.174093
• Title: Explicit State Elicitation Is Not Enough: A Controlled Audit of Memory-Policy Classification
• Title（参考訳）: 明示的状態消去は十分ではない: メモリポリシー分類の制御された監査
• Abstract要約: この設定を用いて、構造化中間出力の実証監査プロトコルを開発する。 480サンプルの合成開発セットは、当初は状態に構造化されたプロンプトバンドルから大きな利益が得られたことを示唆していた。 このセットでは、4つの状態定義を公開することで精度が向上するが、分離された明示的な状態出力フィールドはポリシーの精度を著しく改善しない。
• 参考スコア（独自算出の注目度）: 11.991995412984503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalized agents must decide whether retrieved user memory should be used, ignored, updated, or queried before it affects a current task. We use this setting to develop an empirical audit protocol for structured intermediate outputs: first audit dataset shortcuts, then isolate bundled prompt changes, check whether intermediate labels are answer-associated, test decomposed semantic evidence, and audit provider-level execution failures. A 480-example synthetic development set initially suggested large gains from a state-structured prompt bundle, but TF-IDF diagnostics showed lexical separability and no positive standalone Ignore cases. We therefore construct a frozen 160-example controlled counterfactual set with 40 matched four-way families and rule-derived reference policies. On this set, exposing the four state definitions improves accuracy, but an isolated explicit state-output field does not significantly improve policy accuracy for Llama-3.3-70B and gives only a marginal, non-significant gain for GPT-OSS-120B. Supplying benchmark-associated state labels shifts policy predictions, but because those labels deterministically map to policies, this is a label-conditioning diagnostic rather than evidence of a faithful internal mechanism. Family-level and seed-stability analyses further show that example-level accuracy overstates counterfactual consistency: complete four-way family success is rare. An exploratory follow-up that elicits decomposed semantic evidence also fails to improve routing for the cleanly evaluated endpoint; the corresponding GPT-OSS condition was unavailable because of provider-side request validation. We evaluate policy classification only, not downstream responses, tool actions, or memory-store mutation.
• Abstract（参考訳）: パーソナライズされたエージェントは、現在のタスクに影響を与える前に、取得したユーザメモリの使用、無視、更新、あるいはクエリを決定する必要がある。 この設定を用いて、構造化中間出力に対する実証的な監査プロトコルを開発する。まず、監査データセットをショートカットし、バンドルされたプロンプト変更を分離し、中間ラベルが応答関連であるかどうかを確認し、セマンティックエビデンスをテストし、プロバイダレベルの実行失敗を監査する。 480-example synthesis development setは, 当初, プロンプトバンドルの著明な増加を示唆していたが, TF-IDF診断では語彙分離性を示し, 正の独立性イグノア症例は認められなかった。 そこで我々は,40の整合した4方向ファミリーとルール由来の参照ポリシを備えた,フリーズ160例の逆ファクトセットを構築した。 このセットでは、4つの状態定義を公開することで精度が向上するが、分離された明示的な状態出力フィールドは、Llama-3.3-70Bのポリシー精度を著しく改善せず、GPT-OSS-120Bの限界的な利得しか得られない。 ベンチマーク関連州のラベルの供給は、政策予測をシフトさせるが、これらのラベルは決定論的にポリシーにマッピングするため、誠実な内部メカニズムの証拠ではなく、ラベル条件の診断である。 家族レベルおよび種子安定度分析は、サンプルレベルの精度が反事実整合性を示すことを示している:完全な4方向の家族成功は稀である。 分割されたセマンティックエビデンスを誘発する探索的なフォローアップは、クリーンに評価されたエンドポイントのルーティングの改善にも失敗し、対応するGPT-OSS条件はプロバイダ側の要求検証のために利用できなかった。 ダウンストリーム応答やツールアクション,メモリストア突然変異などではなく,ポリシ分類のみを評価する。

関連論文リスト

• A distribution-free certification framework for trustworthy crash-severity prediction [1.089614199781423]
  厳密なモデルを修正せずにラップする認証層を開発します。 テキサス州の7つのベースモデルにまたがる520万件の記録では、同層は同一の妥当性を持つ。 フレームワークは定理レベルのテストを備えたオープンソースパッケージとしてリリースされている。
  論文  参考訳（メタデータ） (2026-09-10T14:20:08Z)
• CVE-SAI: Counterfactual Visual Evidence-Guided Selective Attribute Indexing for Risk-Controlled E-commerce Search [12.763061404384601]
  マルチモーダル製品モデルは、欠落したeコマース属性を補完することができる。 現在の手法は依然として属性答え精度を最適化し、持続的なインデックス入力を伴う過渡的予測を記述している。 本稿では,これらのギャップを視覚的エビデンスをガイドとした選択属性歪曲法を用いて解決する。
  論文  参考訳（メタデータ） (2026-08-25T18:10:36Z)
• Discourse-Role Labels as Presentation-Time Variables for Context Use in Language Models [3.376024929309146]
  本研究では,文脈拡張型言語モデルシステムが読者モデル行動に与える影響について検討する。 本稿では,500 MMLU-Pro 項目の固定コンテンツプローブについて紹介する。 各項目は、異なる談話ロールラベルの下で同じ誤解を招く答えを持つアサーションを受け取る。 GPT-5.5, DeepSeek V4 Pro, Llama-3-8B-Instruct, Qwen2.5-7B-Instruct, Misleading Adoption Rate shifts by 56-84%
  論文  参考訳（メタデータ） (2026-06-02T18:12:57Z)
• Conformal Certification of Reasoning Trace Prefixes [30.432255322700126]
  CROP(Conformal Reasoning Output Prefixes)は,クリーンアノテート認証のためのバリデーション非依存の校正手順である。 CROPをオーバー・アンド・アンダー・ホールドし、有効な中間的推論を保ち、下流の補修精度を向上させることを実証する。
  論文  参考訳（メタデータ） (2026-05-28T15:31:42Z)
• Verifier-Bound Communication for LLM Agents: Certified Bounds on Covert Signaling [0.0]
  言語モデルエージェントを結合することで、ポリシーに準拠したメッセージの調整を表面レベルで隠蔽することができる。 生成と受け入れを分離するプロトコルであるCLBCを提案する。 このプロトコルは、遅延リークと明示的な残留チャネルの観点から、転写リークの上限をいかに高めるかを示す。
  論文  参考訳（メタデータ） (2026-02-27T23:42:37Z)
• Conditional Coverage Diagnostics for Conformal Prediction [47.93989136542648]
  条件付きカバレッジ推定が分類問題であることを示す。 得られたメトリクスの族をターゲットカバレッジ(ERT)の過剰なリスクと呼びます。 ERTのオープンソースパッケージと、以前の条件付きカバレッジメトリクスをリリースしています。
  論文  参考訳（メタデータ） (2025-12-12T18:47:39Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• Delving into Probabilistic Uncertainty for Unsupervised Domain Adaptive Person Re-Identification [54.174146346387204]
  ドメイン適応型人物再識別のための確率的不確実性誘導プログレッシブラベル精錬(P$2$LR)という手法を提案する。 擬似ラベルの不確実性を測定し、ネットワークトレーニングを容易にする定量的基準を確立する。 本手法はDuke2Marketタスクではベースラインが6.5%,Market2MSMTタスクでは2.5%,最先端手法では2.5%を上回った。
  論文  参考訳（メタデータ） (2021-12-28T07:40:12Z)
• Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
  2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。 まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。 これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
  論文  参考訳（メタデータ） (2021-03-04T20:51:03Z)

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。