論文の概要: Audit-First Rollback Semantics for Safety-Critical Deployment Pipelines
- arxiv url: http://arxiv.org/abs/2609.00406v1
- Date: Thu, 09 Jul 2026 09:02:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.430589
- Title: Audit-First Rollback Semantics for Safety-Critical Deployment Pipelines
- Title（参考訳）: 安全臨界配置パイプラインのためのオーディトファーストロールバックセマンティクス
- Abstract要約: 本稿では,フェールストップクラッシュ時の各コミット端末におけるオーディエンス/ライブコヒーレンスを保証するフォールトトレランス機構を提案する。
ランタイムデプロイメントシステムでインスタンス化して、同じパイプラインのフェールオープンバリアントに対して、信頼性評価を実行します。
- 参考スコア（独自算出の注目度）: 7.392721604463545
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Distributed deployment runtimes carry a coherence obligation that classical fault-tolerance frameworks do not name directly: the live state a component is configured to run and the audit chain that records how it got there must agree at every terminal configuration. Prior works mainly focus on individual aspects of the deploy-time fault surface (canary controllers, configuration rollback, signed attestations), leaving the cross-cutting question of audit/live coherence under fail-stop crash only loosely specified. Yet a key systems question remains unresolved: how can a deployment runtime guarantee that the audit chain answers truthfully about live state even when a transition crashes mid-flight? We present audit-first rollback semantics, a fault-tolerance mechanism that guarantees audit/live coherence at every committed terminal under fail-stop crashes during transition phases. The mechanism pairs with provisional state machines, pipelines whose "active but not yet promoted" states carry an explicit rollback contract and a bounded deadline. We instantiate both in a runtime deployment system and run a dependability evaluation against a fail-open variant of the same pipeline across twelve fault-injection points spanning three structural failure classes. Across 1,200 injected-failure trials, audit-first rollback achieves 100% audit/live-state coherence (600/600, Wilson 95% CI [0.994,1.000]) with per-cell p95 recovery latency below 500 ms (SLO PASS in 12/12 cells); the fail-open variant preserves coherence on only 33% of trials (200/600, Wilson 95% CI [0.297,0.372]). We further lift the construction to a cross-bridge coordination protocol with a safety argument for fleets of fail-stop bridges, leaving fleet-scale empirical evaluation to follow-on work.
- Abstract（参考訳）: 分散デプロイメントランタイムには、古典的なフォールトトレランスフレームワークが直接名付けない一貫性の義務がある。コンポーネントが実行するように構成されたライブステートと、そこに到達した状況を記録した監査チェーンは、すべての端末設定で合意しなければならない。
以前の作業は、主にデプロイ時の障害面(カナリアコントローラ、設定のロールバック、署名された証明)の個々の側面に焦点を当てていた。
デプロイメントランタイムは、トランジションが飛行中にクラッシュしても、監査チェーンがライブ状態について真実に答えることを保証するにはどうすればよいのか?
本稿では, 過渡期におけるフェールストップクラッシュ時の各コミット端末におけるオーディエンス/ライブコヒーレンスを保証する耐故障性機構である, 監査ファーストロールバックセマンティクスを提案する。
このメカニズムは、暫定的な状態マシン、"アクティブだがまだ昇格していない"状態のパイプラインと組み合わせて、明示的なロールバック契約と制限付き期限を実行する。
ランタイムデプロイメントシステムのインスタンス化と、3つの構造的障害クラスにまたがる12の障害インジェクションポイントで、同じパイプラインのフェールオープンバリアントに対する信頼性評価を実行します。
1200回のインジェクト障害試験において、監査ファーストロールバックは100%監査/ライブ状態コヒーレンス(600/600, Wilson 95% CI [0.994,1000])を達成し、セル毎のp95リカバリ遅延は500ms未満(12/12セルのSLO PASS)、フェールオープンは33%(200/600, Wilson 95% CI [0.297,0.372])でコヒーレンスを保持する。
我々はさらに、フェールストップブリッジ群に対する安全議論を伴うクロスブリッジ協調プロトコルの構築を引き上げ、艦隊規模の実証的な評価を後続作業に残した。
関連論文リスト
- MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
MeshHealは、完全に分散化された自己修復フレームワークである。
能力にマッチしたピアレビューを2つのタイムスケールに分けている。
1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
論文 参考訳（メタデータ） (2026-09-24T04:29:37Z) - CART: Closed-Loop Adaptive Red Teaming for Large Language Models [91.66397227953821]
CART(Closed-Loop Adaptive Red Teaming)は、各結果を使用して、次にテストするものをガイドするフレームワークである。
テストを生成するChallengeと、テスト中のTarget、テキストのみのモデルや境界ツール使用エージェント、結果を評価するJuiceを分離する。
論文 参考訳（メタデータ） (2026-09-23T04:16:46Z) - Guardrailed Meta-Agent Loops: Stress-Testing Policy Pinning, Budget Bounds, and Crash Recovery [7.414694666903067]
GuardrailLoopはシミュレーションベースのテストベッドで、3つの運用契約を共同でテスト可能にする。
ハッシュピン付ポリシーは、目標、スコープ、評価アイデンティティ、予算、リリース条件を修正します。
有用な適応、状態回復、反復実行を分離する。
論文 参考訳（メタデータ） (2026-09-10T21:22:08Z) - FunnelAudit: Responsibility Auditing in Multi-Route Recommender Systems [6.810073531792462]
マルチルートレコメンデータシステムは、検索、アロケーション、融合、ランキングを組み合わせることで、個別のインクルージョンと除外を監査しにくくする。
本稿では,インシデントレベルの責任監査を行うためのフレームワークであるFunnelAuditを紹介する。
我々は、固定ユニオン、重み付きクォータ割り当て、重み付き相互ランク融合を用いて、2段9ルートのファネルでフレームワークをインスタンス化し、次にSASRecランキングを付ける。
論文 参考訳（メタデータ） (2026-09-07T03:01:07Z) - When Shared Rollouts Fail in Defensive Driving Evaluation: A NAVSIM Score Basis Audit [2.823425836233287]
再シミュレーションベンチマークでは、基準条件付き許しを使用し、ログされた人間の参照がコンプライアンスチャネルに障害が発生した場合、エージェントがクレジットを受け取る。
我々はこのリスクをNAVSIM v2.2のオリジナルシーンシングルステージスコアで評価する。
論文 参考訳（メタデータ） (2026-08-05T14:22:23Z) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - ContinuityBench: A Benchmark and Systems Study of Stateful Failover in Multi-Provider LLM Routing [0.6117371161379209]
運用用の大規模言語モデル(LLM)デプロイメントでは、高可用性保証は会話の連続性に相当しない。
CPR(Continuity Preservation Rate)とCLO(Continuity Overhead)の2つの新しい指標を紹介します。
この結果は、堅牢で状態保存型マルチモデル推論システムを構築するための原則的な基盤を提供する。
論文 参考訳（メタデータ） (2026-07-17T12:12:38Z) - Stop Means Stop: Measuring and Repairing the Enforcement Gap in Agent-Framework Control Primitives [0.0]
この契約は、広く使用されている6つのオープンソースフレームワークのどれにも当てはまらない。
モデルフリーディファレンシャルプローブは、繰り返し発生するシリングリークを分離する。
SoundGATEは環境外部のRustゲートであり、すべての副作用を認めなければならない。
論文 参考訳（メタデータ） (2026-07-15T05:55:38Z) - ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。
私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
論文 参考訳（メタデータ） (2026-05-13T21:34:08Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z)
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。