論文の概要: When Stale Constraints Go Unchecked: Budgeted Verification Failures in Inherited Agent Memory

• arxiv url: http://arxiv.org/abs/2608.25553v3
• Date: Fri, 28 Aug 2026 16:13:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-31 15:11:36.082902
• Title: When Stale Constraints Go Unchecked: Budgeted Verification Failures in Inherited Agent Memory
• Title（参考訳）: Stale Constraintsが未確認になった時 - 継承されたエージェントメモリにおける検証失敗の予算化
• Abstract要約: 証拠リンクは、継承された信条の裏にある証拠を保持しており、検証予算を持つエージェントは、検査するリンクを選択する必要がある。 我々は、決定制約を記述し、ソースレコードを削除したレコードに置き換えた統合記憶について研究する。 16の言語モデルは、落ち着いたように読む制約を再検証することはめったにない。 ひとたび制約が過小評価されると、77.3%、74.7%、74.7%のエピソードが一次実行、複製、保留領域で安定的な決定を下した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Provenance links keep the evidence behind an inherited belief reachable; an agent with a verification budget must still choose which links to inspect. We study a consolidated memory that states a decision constraint and whose source record has since been superseded by a record that withdraws it: provenance is immutable, the current record has changed, and the memory is stale. In a controlled six-memory scenario with a budget of two records, sixteen language models rarely re-verified a constraint that read as settled: they inspected its provenance path in about one episode in five and, once the constraint had been superseded, produced stale-consistent decisions in 77.3%, 74.7% and 74.7% of episodes across a primary run, a replication and a held-out domain. Re-assigning one of the same two slots to the critical path removed most of them: +74.0, +72.7 and +61.3 points (positive in every model), +80.7 in a prospectively frozen interleaved replication with a repaired non-critical control, and +62.0 on a panel of 10 models from 9 organisations; a corrected re-run of the held-out scenario gave +73.3. The forced-critical policy uses experimenter knowledge of the critical path: it quantifies how much stale-decision risk the same budget can recover and is not a scheduler. Two further deposited experiments locate the failure and a remedy: in this store the constraint's path is selected in 17.0% of episodes at two slots and 88.7% at four of six (above uniform allocation), and at two slots a one-sentence, target-blind rule (prefer memories that state a limit on a candidate direction) moved the agent's own allocation onto the constraint's path and recovered the oracle contrast on decisions (+89.3 points) where that constraint limits the tempting action, while a content-free freshness cue did not materially redirect allocation and a content-matched control rule changed neither selection nor decisions.
• Abstract（参考訳）: 証拠リンクは、継承された信条の裏にある証拠を保持しており、検証予算を持つエージェントは、検査するリンクを選択する必要がある。 我々は、決定制約を記述し、その後ソースレコードを削除したレコードに置き換えた統合記憶について研究する: 証明は不変であり、現在の記録は変更され、記憶は古い。 制御された6メモリのシナリオでは、2つのレコードの予算を持つ16の言語モデルは、落ち着いたように読まれる制約を再検証することは滅多になく、彼らは5回に1回ほどその証明パスを検査し、一度その制約に取って代われば、一次実行、複製、保持領域をまたいだエピソードの77.3%、74.7%、74.7%で古い一貫性のある決定を下した。 同じ2つのスロットのうちの1つをクリティカルパスに割り当てると、そのほとんどが取り除かれ、+74.0、+72.7、+61.3ポイント(全てのモデルで陽性)、+80.7は修復された非クリティカルな制御で凍結したインターリーブドレプリケーション、+62.0は9つの組織から10のモデルのパネルで、修正されたホールドアウトシナリオの再実行では+73.3が与えられた。 強制臨界政策は、クリティカルパスに関する実験者による知識を使用し、同じ予算が回復し、スケジューラではない不安定な決定リスクを定量化する。 このストアでは、制約の経路が2つのスロットの17.0%と6つのスロットのうち4つのスロットの88.7%で選択され、2つのスロットでは1文のターゲット・ブラインド・ルール(候補方向の制限を記述した記憶を参照)がエージェントの割り当てを制約のパスに移動させ、その制約が誘惑行動を制限する決定(+89.3ポイント)を回復する。

関連論文リスト

• ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
  大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。 SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。 モデル自身の失敗から両方を得るReDraftを紹介します。
  論文  参考訳（メタデータ） (2026-09-15T04:59:03Z)
• State of Thought Enables Endogenous Reasoning [48.902117018115256]
  大規模言語モデル(LLM)の能力向上のための主要なアプローチとして、テスト時推論が登場した。 LLMにおける内在的推論を可能にする新しい推論パラダイムであるState of Thoughtを提案する。 SoTは平均ベースライン精度を一貫して改善し,生成トークンを62.6%,エンドツーエンドのレイテンシを44.6%削減した。
  論文  参考訳（メタデータ） (2026-09-13T05:55:03Z)
• Engineering Reliable Commit Gates for Agentic AI: Cost-Aware Verification Portfolios under Common-Mode Data Failures [4.287745257410248]
  コスト対応コミットゲートのランタイム保証ベンチマークを提案する。 48のタスクテンプレートは、6つの障害レジームで2,880のシナリオを生成する。 結果は明確なエビデンスライン、コストアウェアの選択、コミットタイムの実施を動機付けます。
  論文  参考訳（メタデータ） (2026-09-10T01:42:40Z)
• What Eviction Destroys: A Restore-Counterfactual Audit of Forgetting in Agent Memory [1.6558929815405155]
  我々は,質問ごとのペアによる介入であるリストア対策を導入し,質問のゴールドエビデンスをリードタイムの文脈で再記録する。 我々は,LongMemEval-SにおけるFIFO,ランダム,冗長,LLMの重要性を3つの予算と2つの検索条件で評価した。
  論文  参考訳（メタデータ） (2026-09-08T05:48:10Z)
• Invalidation Contracts for Cross-Episode Agent Memory [0.8673353590830692]
  APIエラーからのリカバリ提案をキャッシュするLLMエージェントは、後続のエピソードでリデリベーションをスキップすることができる。 サーバ側のデータドリフトは、キャッシュされた修正をサイレント障害にします。 バージョンスタンプとキャッシュ可能性ヒントをすべてのリカバリ提案にアタッチするプロトコル層である、無効化契約を導入する。
  論文  参考訳（メタデータ） (2026-08-31T18:45:07Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• TARL: Transaction-Aware Reliable Ledgers for Executable Memory Management in Long-Term Agents [20.123133746969398]
  メモリ状態更新フレームワークであるTARLを導入し、各ステートメントを5つの実行可能なアクションのうちの1つにマップする。 TARLは、影響を受けるメモリを特定し、その時間的スコープを解決し、ソースの信頼性を比較し、受け入れ、保留、拒否された台帳を更新する。 また、粒度の細かいアクションラベルと次の状態目標を持つベンチマークであるTARL-Memについても紹介する。
  論文  参考訳（メタデータ） (2026-08-04T14:02:55Z)
• When Memory Becomes Authority: Benchmarking Authority Collapse at the Memory Consolidation Boundary [12.82709779460352]
  LLMエージェントは不均一な相互作用履歴を再利用可能な事実、嗜好、観察、規則に集約することでタスクに適応する。 我々は、権限の崩壊を特定し、統合は、その認可された使用を規制するソース制約を消去しながら、クレームを保護します。 メモリ駆動型適応は、学習したものだけでなく、再利用される可能性のある権威も保持しなければならないことを示す。
  論文  参考訳（メタデータ） (2026-08-03T04:15:40Z)
• When Memory Updates but Behavior Does Not: Repairing Implicit Stale Dependencies in Personalized Agent Responses [1.5770673503612611]
  メモリ拡張されたエージェントは、ユーザの格納された状態が時代遅れであることを知ることができ、なおも古い値を計画する。 私たちは1つの構造的コントリビュータを特定します。 ドラフトアンコールによる検証は、応答が何を言っているかをチェックします。
  論文  参考訳（メタデータ） (2026-08-03T02:49:08Z)
• ALIVE: Warnings Before Exclusion in Budgeted Multi-Source Learning [18.17400877167872]
  ルーティング決定は次のトランザクションで修正可能だが、遅延ソースの除外は後続の判断で継続される。 我々は,有限人口監査と学習が予算を共有している場合,不平等なパーシステンス行動を認める証拠を問う。
  論文  参考訳（メタデータ） (2026-07-31T13:18:47Z)
• DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
  ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。 一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
  論文  参考訳（メタデータ） (2026-07-31T05:34:02Z)
• Voice Memory for Agentic Speech Recognition [66.69623133635868]
  エージェント音声認識のための推論専用スキームであるVoice Memoryを提案する。 同期的に、スコア付き例は、境界編集を通じてそのファイルを更新する。 10のHyPoradiseドメインにオープン修正器、Voice Memory、重み付き単語エラー率8.36%から7.52%の10のドメインがある。
  論文  参考訳（メタデータ） (2026-07-29T02:42:56Z)
• StateFuse: Deterministic Conflict-Preserving Memory for Multi-Agent Systems [6.160059055899747]
  StateFuseは、標準のOpsSet/CRDTマージ上に構築された、コンフリクト対応の複製メモリコントラクトである。 整合型リゾルバと検証ポリシの下で, フラットなマルチ値, 生ログ, プロファイランススタイル, 崩壊ベースラインに対してStateFuseを評価する。
  論文  参考訳（メタデータ） (2026-07-07T05:06:33Z)
• Mind the Gap: Diagnosing Constraint Discovery Failures in Text-in-Image Editing [0.0]
  マルチモーダル推論の主な課題は、特定のタスクの下でどの視覚的依存関係が関係するかを決定することである。 我々は、テキスト・イン・イメージ編集において、編集による制約発見を通じてこれを研究する。
  論文  参考訳（メタデータ） (2026-06-14T19:14:25Z)
• Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
  現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。 本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。 8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
  論文  参考訳（メタデータ） (2026-06-02T06:51:15Z)
• Remember the Decision, Not the Description: A Rate-Distortion Framework for Agent Memory [120.68750043918249]
  記憶は、決定にとって重要な区別を、記述ではなく保存すべきであることを示す。 DeMemは,共有状態が決定競合を誘発することを示すデータに対してのみ,分割を洗練させるオンラインメモリ学習システムである。
  論文  参考訳（メタデータ） (2026-05-11T17:20:58Z)
• Affordance Agent Harness: Verification-Gated Skill Orchestration [45.231685718099264]
  Affordance groundingは、オープンワールドのシーンでエージェントがどこでどのように対話すべきかを特定する必要がある。 本稿では,エビデンスストアとコストコントロールを備えたクローズドループランタイムであるAffordance Agent Harnessを提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:45:16Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• ImplicitMemBench: Measuring Unconscious Behavioral Adaptation in Large Language Models [60.14219417402433]
  LLMエージェントの既存のメモリベンチマークは、事実の明示的なリコールを評価するが、意識的な検索なしに、経験が自動的な振る舞いになる暗黙の記憶を見落としている。 IndicitMemBenchは、非宣言的メモリの標準的な認知科学のアカウントから引き出された3つの構造を通して暗黙的メモリを評価する最初の体系的なベンチマークである。 当社の300イテムスイートでは,初動採点を備えたLearning/Priming-Interfere-Testプロトコルを統一しています。
  論文  参考訳（メタデータ） (2026-04-09T10:26:32Z)

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。