論文の概要: Agent Mesh: Reliability Primitives for Non-Idempotent Agent Delegation - Identity Adequacy and Evidence Adequacy
- arxiv url: http://arxiv.org/abs/2608.26225v1
- Date: Wed, 26 Aug 2026 15:38:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-28 16:30:58.129202
- Title: Agent Mesh: Reliability Primitives for Non-Idempotent Agent Delegation - Identity Adequacy and Evidence Adequacy
- Title（参考訳）: エージェントメッシュ: エージェントデリゲーションのための信頼性プリミティブ - アイデンティティの妥当性と証拠の妥当性
- Abstract要約: 本報告では,81回にまたがる147件の番号付インシデントに対して,生産エージェント型ソフトウェアデリバリプラットフォームが故障したことを報告する。
50-4連続して成功したツールコールのループには、エラーレートブレーカが見つからない。
メッセージではなくデリゲートを執行単位とする7つの信頼性プリミティブを導出します。
- 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: Autonomous agents increasingly perform bounded software tasks under an orchestrator that retries, resumes, and budgets them. The machinery such orchestrators reach for is the service mesh's: retry, timeout, and error-rate circuit breaking. We report a failure study of a production agentic software-delivery platform over 147 numbered incidents spanning 81 runs, each with a measured cost and, in most cases, a mutation proof reproducing the failure. All three assumptions those primitives rest on are violated in practice, and we quantify the consequences: a loop of fifty-four consecutive successful tool calls no error-rate breaker could see; a progress signal constant by construction, guaranteeing a false trip on the third repair round and driving one run from six of six components to three; twenty-one events accumulated across six invocations of one delegation, making a correct, idempotent component unwinnable; a misrouted failure that woke five components for a two-component fault, leaving three bystanders regressing working code; and twelve incidents in which the enforcement layer blocked correct work, the most expensive costing 107 agent turns and zero accepted writes. We find one cross-cutting cause and its dual. Identity adequacy: in five separate subsystems an identity that failed to discriminate produced a confident wrong answer, and two of them derived the corrective rule independently. Evidence adequacy: a reliability decision may be taken only on evidence capable of moving, attributable to what it measures, and deterministic under identical conditions. From the findings we derive seven reliability primitives whose enforcement unit is the delegation rather than the message, and specify the controlled evaluation the study motivates but does not constitute.
- Abstract（参考訳）: 自律的なエージェントは、それらを再試行、再開、予算するオーケストレータの下で、ますます有界なソフトウェアタスクを実行します。
このようなオーケストレータが求める機械はサービスメッシュのリトライ、タイムアウト、エラーレート回路の切断である。
本報告では,81回のランニングにまたがる147件の番号付きインシデントに対して,それぞれがコストを計測し,ほとんどの場合,その失敗を再現する突然変異証明を行った。
実際にこれらプリミティブが残っていた3つの仮定は、すべて違反しており、その結果を定量化しています: 50-4連続の成功したツールコールのループ エラーレートブレーカが見えない、建設による進捗信号が一定であり、第3の修理ラウンドで偽のトリップが保証され、6つのコンポーネントのうち6つから3つまで1つが実行され、21のイベントが1つのデリゲートの6つの呼び出しに蓄積され、正しい、べき等なコンポーネントが1つのデリゲートの不正な障害を発生させ、2つのコンポーネント障害のために5つのコンポーネントを起動し、3人の傍観者が作業コードを後退させた、12のインシデント、そして、執行層が正しく動作をブロックした12のインシデント。
我々は1つの横断的原因と2つの原因を見つける。
アイデンティティの妥当性: 5つのサブシステムにおいて、識別に失敗したアイデンティティは、確実な誤った答えを生み出し、そのうち2つは独立して修正規則を導出した。
Evidence adequacy: 信頼性の決定は、移動可能な証拠、それが測定するものに起因する証拠、および同一条件下で決定論的にのみ行われる。
その結果,7つの信頼性プリミティブを導出し,そのユニットはメッセージではなくデリゲートであり,学習の動機となる制御された評価を規定するが,構成しない。
関連論文リスト
- HANSARD: A Reference Architecture for Forensic Readiness, Runtime Witnessing, and Graded Attribution in Autonomous Multi-Agent AI Systems [3.7015952547586832]
現在、自律型マルチエージェントシステムは、金融、ソフトウェアサプライチェーン、セキュリティオペレーションで機能している。
何が起きたのか、何を引き起こしたのか、誰が責任を負うのかをしっかりと決める方法はありません。
これは、証明法医学が間違った抽象化で機能し、形式的因果関係は因果関係を仮定し、エージェント監査は自己記録を信頼するからである。
ターゲットの障害モードは、帰属的な洗浄であり、いかなる原因にもならないまで、冗長なエージェントに作用を広げる。
本稿では,説明責任をライフサイクル特性として扱う参照アーキテクチャであるHANSARDを提案する。
論文 参考訳（メタデータ） (2026-08-23T17:18:22Z) - Evidence-Calibrated Runtime Reconstruction for Agent Skills Across Heterogeneous Coding Agents [0.0]
我々は、異種ハーネス間のスキルライフサイクルステージを再構築するパッシブランタイムインテリジェンスシステムであるスキルインテリジェンスを提案する。
事象の存在は境界忠実性ではなく、複合的正確なスコアは異なる誤りを隠蔽し、モデル説明は決定論的事実を上書きしてはならないことを示す。
論文 参考訳（メタデータ） (2026-08-09T16:18:13Z) - SearchAuditor: Auditing and Attributing Failures in Long-Horizon Search Agents [56.400332595452966]
我々は、監査人が検索エージェントの障害をローカライズ、属性付け、修復できるかどうかを評価するベンチマークであるSearchAuditBenchを紹介する。
SearchAuditBenchは1,243の障害トラックで構成され、平均73.1メッセージと65.1Kトークンを5つのディープサーチベンチマークで8つのオープンウェイトモデルから収集している。
本稿では,検索エージェントの障害を効果的にローカライズ,属性,修復するマルチパースペクティブ監査フレームワークであるSearchAuditorを提案する。
論文 参考訳（メタデータ） (2026-08-05T09:09:00Z) - Same Task, Different Work: Prompt-Induced Waste in Coding Agents [0.0]
2つのプロンプトは、同じコード変更を要求して、同じ正しいパッチを生成することができるが、コーディングエージェントは、根本的に異なる種類の作業を実行する。
この効果を,4,644回の有効実行,24個の決定論的コーディングタスク,7つの推論モデル,および2つの実エージェントハーネスにまたがる事前登録されたベンチマークで検討した。
論文 参考訳（メタデータ） (2026-08-02T16:10:02Z) - Safety Invariants for Agents Orchestrating Irreversible State Transitions: A Four-Dimensional Formalism Evaluated on Public Ledgers [0.0]
フォーマリズムを使って、実行忠実性( executionfidelity)と呼ばれる保証を記述し、証明します。
7つの安全不変量は、経験から数えられるのではなく、忠実性条件に由来するもので、保証を解除する。
システムはデプロイされ、8つのチェーンにまたがる108のプロダクション書き込み操作によって、障害分類が復活する。
論文 参考訳（メタデータ） (2026-08-01T17:29:42Z) - On-Policy Self-Evolution via Failure Trajectories for Agentic Safety Alignment [54.30690671490447]
既存の安全アライメント信号は、主に応答レベルまたは政治外である。
FATEは、検証済みの失敗を専門家のデモンストレーションなしで修復管理に変換する。
FATEは攻撃成功率を33.5%、有害なコンプライアンスを82.6%削減し、外的軌道安全診断を6.5%改善する。
論文 参考訳（メタデータ） (2026-05-12T09:56:28Z) - AgentV-RL: Scaling Reward Modeling with Agentic Verifier [63.55502685076245]
試験時間スケーリング(TTS)によるLCM推論を強化する検証器が実証されている。
本稿では,報酬モデリングを多ターンツール拡張型検討プロセスに変換するフレームワークであるエージェント検証を提案する。
Agentic Verifier は並列およびシーケンシャルTS の両方で一貫した性能向上が得られることを示す。
論文 参考訳（メタデータ） (2026-04-17T12:27:36Z) - Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。
Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。
すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
論文 参考訳（メタデータ） (2026-04-07T17:43:18Z) - To Throw a Stone with Six Birds: On Agents and Agenthood [0.0]
Six Birds Theory (SBT)は、マクロな物体を原始体ではなく誘導的閉包として扱う。
SBT内では,タイプ正当性評価を行う。
我々はこの契約を4つのチェック可能なコンポーネントを用いて有限制御システムで運用する。
論文 参考訳（メタデータ） (2026-02-03T10:46:23Z) - Agentic Uncertainty Quantification [76.94013626702183]
本稿では,言語化された不確実性をアクティブな双方向制御信号に変換する統合されたデュアルプロセスエージェントUQ(AUQ)フレームワークを提案する。
システム1(Uncertainty-Aware Memory, UAM)とシステム2(Uncertainty-Aware Reflection, UAR)は、これらの説明を合理的な手段として利用し、必要な時にのみターゲットの推論時間解決をトリガーする。
論文 参考訳（メタデータ） (2026-01-22T07:16:26Z) - On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。
不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。
本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
論文 参考訳（メタデータ） (2024-08-02T03:25:20Z)
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。