論文の概要: Localizing Emergent Failures in Agentic AI: Recovering Minimal Repair Families via Counterfactual Replay
- arxiv url: http://arxiv.org/abs/2608.29228v1
- Date: Sat, 29 Aug 2026 12:34:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:30.881912
- Title: Localizing Emergent Failures in Agentic AI: Recovering Minimal Repair Families via Counterfactual Replay
- Title（参考訳）: エージェントAIにおける創発的障害のローカライズ
- Abstract要約: エージェントAIシステムの障害は、複数の大規模言語モデル(LLM)エージェントによって交換されたメッセージ間の相互作用から生じる可能性がある。
最小修復ファミリーリカバリ (MRFR) を定式化し, 既定サイズ境界内でタスク成功を回復する最小のイベントセットをリカバリする。
本稿では、GCJR(Graph-Constrained Joint Replay)を提案する。これは、実行依存グラフから障害関連イベントをスライスし、グラフ実現可能なシングルトンとペア候補を構築し、ペア化されたクリーンなリプレイによって検証する。
- 参考スコア（独自算出の注目度）: 2.871039134752243
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Failures in agentic AI systems can arise from interactions among messages exchanged by multiple large language model (LLM) agents. Pointwise attribution cannot distinguish a jointly necessary repair from alternative singleton repairs. We formulate Minimal Repair Family Recovery (MRFR): recovering all inclusion-minimal event sets whose counterfactual replay restores task success within a declared size bound. We propose Graph-Constrained Joint Replay (GCJR), which slices failure-relevant events from an execution dependency graph, constructs graph-feasible singleton and pair candidates, and verifies them by replay with paired clean counterparts. For fixed replay outcomes, GCJR is exact within its declared graph domain. On 90 in-scope cases from a 120-DAG controlled benchmark, GCJR achieves 1.000 Family Exact Match while reducing mean replay calls from 56.3 to 25.3 (55.1%) relative to exhaustive search. On a 24-case, four-agent LLM pilot, it again achieves 1.000 Family Exact Match and reduces mean model calls from 21.0 to 10.0 (52.4%); single-event replay misses jointly necessary repairs.
- Abstract（参考訳）: エージェントAIシステムの障害は、複数の大規模言語モデル(LLM)エージェントによって交換されたメッセージ間の相互作用から生じる可能性がある。
ポイントワイドの帰属は、代替のシングルトン修理と共同で必要な修理を区別できない。
最小修復ファミリーリカバリ (MRFR) を定式化し, 既定サイズ境界内でタスク成功を回復する最小のイベントセットをリカバリする。
本稿では、GCJR(Graph-Constrained Joint Replay)を提案する。これは、実行依存グラフから障害関連イベントをスライスし、グラフ実現可能なシングルトンとペア候補を構築し、ペア化されたクリーンなリプレイによって検証する。
固定された再生結果に対して、GCJRは宣言されたグラフ領域内にある。
120-DAG制御のベンチマークから90のインスコープケースにおいて、GCJRは1.000ファミリ・エクサクト・マッチを達成し、平均リプレイコールを56.3から25.3(55.1%)に減らした。
24ケースの4人乗りのLSMパイロットでは、再び1.000ファミリ・エクサクト・マッチを達成し、平均モデルコールを21.0から10.0(52.4%)に減らした。
関連論文リスト
- NovaFabric: Tamper-Evident, Replayable Evidence for Autonomous AI Agent Runs [0.0]
我々はNovaFabricを紹介し、監査グレードの実行証拠を作成している。
エージェントロジックを変更することなく実行中のエージェントを、ポータブルなRun Capsuleに記録する。
シードランは4モードのリプレイプロトコルで再実行可能である。
我々は8つの研究課題を測定範囲で評価した。
論文 参考訳（メタデータ） (2026-09-11T08:35:43Z) - Repair or Resample? Rethinking Failure Debugging in LLM Multi-Agent Systems [15.825635807363499]
我々は、MAS実行軌跡を記録し、介入アンカーを確立する制御された評価フレームワークであるSymTraceを紹介する。
リプレイ中は、記録されたログを使用してアンカーの前の実行を効果的に再構築し、下流の軌道のみを再生する。
その結果,既存の無誘導再走行法は信頼性が低く,故障の再現率や修復率も低いことが明らかとなった。
論文 参考訳（メタデータ） (2026-08-26T15:33:47Z) - Retry Amplification in Distributed Systems: A Systematic Analysis of Retry Policies and Their Role in Cascading Failures [0.0]
本稿では、部分的故障時にリトライポリシーが生成する追加要求量の定量化指標であるリトライ増幅係数(RAF)を紹介する。
200のオープンソースのPythonマイクロサービスプロジェクトに関する調査では、明示的な再試行ロジックが11.5%で検出されている。
予算制約による再試行は,過渡的な断層から回復しつつ,ノリトリーベースラインに近い成功率を維持していることを示す。
論文 参考訳（メタデータ） (2026-08-26T06:04:03Z) - CUADebug: Diagnosing and Repairing Computer-Use Agent Failures [65.56066380320107]
コンピュータ利用エージェント(CUA)は、スクリーンショット、マウスとキーボードのアクション、ステートフルなUIフィードバックを通じて、実際のデスクトップとWebインターフェースを操作する。
テキストのみのエージェントとは異なり、CUAの失敗は、視覚知覚、接地、低レベル相互作用、タスク推論、環境ダイナミクスの複合から生じる。
CUA障害の診断と修復のためのフレームワークであるCUA Debugを紹介する。
論文 参考訳（メタデータ） (2026-07-31T13:59:45Z) - AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。
Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。
コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
論文 参考訳（メタデータ） (2026-07-21T06:21:13Z) - Zero2Skill: Bootstrapping Robot Skills through Autonomous Data Collection, Training, and Deployment [53.913175773174636]
既存のパイプラインは、自己リセット、VLM検証、言語指導による修正を通じて、人間の労力を減らす。
Zero2Skill(ゼロ2スキル)は、人ロボットの共生型エージェントシステムで、丸ごとの修正を維持・再利用する。
論文 参考訳（メタデータ） (2026-07-15T17:16:24Z) - Experience Memory Graph: One-Shot Error Correction for Agents [9.23684438376937]
大規模言語モデル(LLM)エージェントは、エラーを複雑にし、障害から回復するのに苦労する。
既存の自己補正機構は本質的に不安定なプロンプトベースの反射に依存している。
本稿では,エージェント障害回復をグラフマッチング問題として再構成するフレームワークであるExperience Memory Graph (EMG)を提案する。
論文 参考訳（メタデータ） (2026-07-15T14:33:15Z) - AtomicCommitBench: Can Coding Agents Reconstruct Commit Histories from Squashed Patches? [9.689734830501429]
コーディングエージェントは、機能の実装、バグ修正、パーティショニング、テスト、設定の編集を混ぜた1つのスクワッドパッチを返すことで、セッションを終了することが多い。
エージェントがコミットをグループ化し、再生可能なコミットシーケンスを具体化する。
私たちは10のPythonプロジェクトから800の連続的なエピソードを含むAtomicCommitBenchを構築します。
論文 参考訳（メタデータ） (2026-07-03T13:51:22Z) - SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale [54.70985426016736]
本稿では,スキル間関係を型付き有向グラフとしてモデル化したSkillDAGを提案する。
各検索はベクトルマッチング、型付きエッジ隣人、競合信号を返す。
ALFWorldとSkillsBench with MiniMax-M2.7では、SkillDAGは67.1%の成功と27.3%の報酬を得た。
論文 参考訳（メタデータ） (2026-06-02T02:45:21Z) - APEX-EM: Non-Parametric Online Learning for Autonomous Agents via Structured Procedural-Episodic Experience Replay [7.370176470430802]
LLMベースの自律エージェントは、永続的な手続き記憶を欠いている。
我々は,構造化手続き計画の蓄積,検索,再利用を行う非パラメトリックオンライン学習フレームワークであるAPEX-EMを提案する。
論文 参考訳（メタデータ） (2026-03-31T00:24:56Z) - Gumbel Reranking: Differentiable End-to-End Reranker Optimization [61.16471123356738]
RAGシステムは関連する文書を識別するためにリランカーに依存している。
注釈付きクエリ-ドキュメントペアが不足しているため、これらのモデルの微調整は依然として難しい。
我々は,トレーニングと推論のギャップを最小限に抑えることを目的とした,リランカーのためのエンドツーエンドのトレーニングフレームワークであるGumbel Re rankを提案する。
論文 参考訳（メタデータ） (2025-02-16T13:23:39Z) - Transferable, Controllable, and Inconspicuous Adversarial Attacks on
Person Re-identification With Deep Mis-Ranking [83.48804199140758]
システム出力のランキングを乱す学習とミスランクの定式化を提案する。
また,新たなマルチステージネットワークアーキテクチャを開発することで,バックボックス攻撃を行う。
そこで本手法では, 異なるマルチショットサンプリングにより, 悪意のある画素数を制御することができる。
論文 参考訳（メタデータ） (2020-04-08T18:48:29Z)
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。