論文の概要: SiLR: Structure-Preserving Admission and Process Reward for LLM Tool Agents

• arxiv url: http://arxiv.org/abs/2609.04629v1
• Date: Fri, 04 Sep 2026 02:03:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.875639
• Title: SiLR: Structure-Preserving Admission and Process Reward for LLM Tool Agents
• Title（参考訳）: SiLR:LLM工具用構造保存剤とプロセス・リワード
• Abstract要約: 当科では, システムが違反状態にある間, 進展を認めなければならない, 退院後の入院について検討する。 SiLRは各提案をシャドウ実行し、ブランチレベルの違反状態に対して製品順序で承認する。 この順序に対してスカラーサロゲートが存在しないことが証明されるので、失敗はしきい値チューニングの問題ではなく表現的である。
• 参考スコア（独自算出の注目度）: 5.864346468963738
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A runtime gate for an LLM tool agent is usually cast as a filter. In a ReAct loop a rejected proposal is followed by another at the same state, so the gate is a search operator over the proposal stream whose admission criterion shapes which trajectories are reachable. We study post-violation recovery admission, where progress must be admitted while the system is still in violation, and identify the scalar projection trap: an aggregate-score gate accepts a locally improving proposal and commits the trajectory to a plateau. SiLR instead shadow-executes each proposal and admits it under a product order over the branch-level violation state (overloaded-branch support and per-branch severity). We prove that no scalar surrogate is sound for this order, so the failure is representational, not a matter of threshold tuning. On mined Gym-ANM scenarios, SiLR recovers 21/21 multi-action episodes against 0/21 for terminal and 9/21 for the best scalar gate, significant across the full 24-scenario benchmark. The terminal-versus-structured dichotomy holds across three model families and in CityLearn. Because admission rests on deterministic simulation, the LLM lies outside the trust boundary: a magnitude-redistribution attack that defeats both scalar and support-only baselines is contained only by the full per-branch predicate. With two constraint families active, every tested scalar projection admits physically unsafe actions; support-only admits the largest fraction (63.2% of 42,410; product order 0). In the hardest dual-family traces, scalar gates recover only through that unsafe class. Reused as a GRPO process reward, it outperforms its count projection in every mined scenario and is the only tested reward whose ungated policy exceeds the untrained base (0.844 vs. 0.778). Scalar projection loses the violation geometry at both design points; only the full product order is structurally sufficient.
• Abstract（参考訳）: LLMツールエージェントのランタイムゲートは通常、フィルタとしてキャストされる。 ReActループでは、拒否された提案が同じ状態に続き、ゲートは、軌道が到達可能な入出力基準形状のプロポーザルストリーム上の探索演算子となる。 本研究は,スカラー投射トラップを同定し,集合スコアゲートが局所改善提案を受理し,台地への軌道変更を行う。 SiLRは代わりに、各提案をシャドウ実行し、ブランチレベルの違反状態(オーバーロードブランチのサポートとブランチごとの深刻度)に対して製品順序で承認する。 この順序に対してスカラーサロゲートが存在しないことが証明されるので、失敗はしきい値チューニングの問題ではなく表現的である。 マイニングされたGym-ANMのシナリオでは、SiLRは端末の0/21と最高のスカラーゲートの9/21に対して21/21のマルチアクションエピソードを回復する。 終端逆構造二分法は3つのモデルファミリーとシティラーンにまたがっている。 入力は決定論的シミュレーションにかかっているため、LSMは信頼境界の外にあり、スカラーとサポートのみのベースラインを倒す等級再分配攻撃は、全ブランチ述語にのみ含まれる。 2つの制約族がアクティブである場合、全ての試験されたスカラー射影は物理的に安全でない作用を許容し、サポートのみは最大の割合(42,410の63.2%、製品順0)を許容する。 最も困難なデュアルファミリートレースでは、スカラーゲートはその安全でないクラスを通してのみ回復する。 GRPOプロセス報酬(GRPO process reward)として再使用されるこの報酬は、採掘されたすべてのシナリオにおいてカウントプロジェクションを上回り、未学習のベース(0.844対0.778)を超えた唯一のテストされた報酬である。 スカラープロジェクションは、両方の設計点における違反幾何学を失い、完全な積順序のみが構造的に十分である。

関連論文リスト

• Granularity-Adaptive Credit Assignment for Long-Horizon LLM Agent Reinforcement Learning [7.885980895039013]
  我々は、正しい解決法は国家に依存していると論じ、不確実性に基づく臨界性プロキシに従って粒度が続く批判のない推定器であるGACAを提案する。 GACAは、自己のロールアウトがすでに記録している負のログライクな記録によって各ステップをスコアし、そのスコアで成長するステップ毎の重みと2つのアドバンテージをブレンドする。 ALFWorldとWebShopでは、GACAはGRPOとGiGPOよりも1.5Bと7Bのスケールでタスクの成功を改善する。
  論文  参考訳（メタデータ） (2026-09-11T04:19:44Z)
• Verification-Aware Training for Speculative Decoding [57.84976863792784]
  VAT(Verification-Aware Training)は、トレーニングステップ毎に検証をシミュレートし、その結果の受け入れパターンと拒否パターンを監督するプラグインフレームワークである。 VATはトレーニング対象のみを変更するため、ドラフトアーキテクチャやターゲットモデル、推論手順を変更することなく、既存のメソッドの上にレイヤー化することができる。 VATは平均受理期間を最大11.4%改善し、ウォールクロックのスピードアップを最大8.7%向上させ、数学、コード、チャットベンチマークで一貫した利益を得ている。
  論文  参考訳（メタデータ） (2026-08-31T01:42:10Z)
• Located but Not Releasable: Silent Gate Inversion and Bounded Linear Release [0.0]
  完全なパイプライン -- 検出、ローカライズ、リリース -- を、25.7Mトランス上で完全に事前登録されたストレステストに送信します。 中層層の観測エビデンスチャネルでの干渉は、他の抑圧された世界における標的の挙動を復元する。 配当外のキャリブレーションをゼロにするために調整された検出器は、6.9-7.3%の配当前の世代と、実際にそれを必要とする2,400世代のうちゼロにトリガーをトリガーする。
  論文  参考訳（メタデータ） (2026-08-12T09:04:54Z)
• Layer-Isolated Evaluation: Gating the Deterministic Scaffold of a Production LLM Agent with a No-LLM, Regression-Locked Test Harness [45.148328075418156]
  デプロイされた注文エージェントは、階層の固定された分類に分解される。 純粋なスイートは、ロックされたスライス単位のベースラインに対して、すべての変更でCIで動作する。 制御されたレグレッションインジェクションにより、安全でない7つの層に一度に1つの層を分解し、検証する。
  論文  参考訳（メタデータ） (2026-06-10T05:55:13Z)
• Benchmarking Recursive-Collapse Warning Claims Under Matched False-Positive Control [0.0]
  再帰的なシステムは、過度な失敗が見える前に、崩壊のような状態に入ることができる。 障害が指向性テレメトリパターンに従うかどうかをテストするためのクレームバウンド型ベンチマークフレームワークであるLoopzeroを紹介した。 凍結した2つの公開アーティファクトベンチマークのブリッジを評価する。
  論文  参考訳（メタデータ） (2026-05-29T20:12:42Z)
• RECTOR: Priority-Aware Rule-Based Reranking for Compliance-Aware Autonomous Driving Trajectory Selection [0.8363171780853939]
  本稿は、テキストスクリプタ(Rule-Enforced Constrained Trajectory Orchestrator)について紹介する。 選択可能なプロキシとシーン条件の適用性メカニズムを通じて、タイアップされたルールブックに対して候補をスコアする。 決定論的な$varepsilon$-lexicographicルールで選択する。
  論文  参考訳（メタデータ） (2026-05-24T14:17:00Z)
• TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
  分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。 我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。 我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
  論文  参考訳（メタデータ） (2026-04-30T13:44:01Z)
• Committed SAE-Feature Traces for Audited-Session Substitution Detection in Hosted LLMs [2.6382975801439836]
  ホスト型LLMプロバイダにはサイレント代替インセンティブがあり、より強力なモデルを宣伝し、より安価な応答を提供する。 このギャップを埋めるコミットオープンプロトコルを提案する。 プロトコルを3つのバックボーン(Qwen3-1.7B、Gemma-2-2B、およびGemma-2-9Bへの4.5倍スケールアップ)でインスタンス化する。
  論文  参考訳（メタデータ） (2026-04-20T12:34:56Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• SQL-ASTRA: Alleviating Sparse Feedback in Agentic SQL via Column-Set Matching and Trajectory Aggregation [51.696027315573296]
  本稿では,効率的な軌道レベル評価と高密度ステップレベル信号の提供を目的とした,普遍的な2層報酬機構を特徴とするフレームワークを提案する。 伝統的なパラダイムでは、報酬は最終ターンのフィードバックによってのみ決定され、中間プロセスを無視し、曖昧な信用評価をもたらす。 提案手法は,同一モデルを用いてBIRD 2.0上でのSOTA Arctic-Text2-R1-7Bより優れており,頑健なマルチターンエージェントのパラダイムに向けてテキストから逆収束を推進していることを示す。
  論文  参考訳（メタデータ） (2026-03-17T06:26:36Z)
• Backdoor Collapse: Eliminating Unknown Threats via Known Backdoor Aggregation in Language Models [75.29749026964154]
  Ourmethodは、複数のベンチマークで平均的な攻撃成功率を4.41%に下げる。 クリーンな精度と実用性はオリジナルのモデルの0.5%以内に保存される。 防衛はさまざまな種類のバックドアをまたいで一般化し、実際のデプロイメントシナリオにおける堅牢性を確認します。
  論文  参考訳（メタデータ） (2025-10-11T15:47:35Z)
• Advancing Generalized Transfer Attack with Initialization Derived Bilevel Optimization and Dynamic Sequence Truncation [49.480978190805125]
  転送攻撃はブラックボックスアプリケーションに大きな関心を惹きつける。 既存の作業は、本質的に単一のレベルの目的 w.r.t. シュロゲートモデルを直接最適化する。 本稿では,上位レベル(UL)と下位レベル(LL)のサロゲート攻撃とのネスト関係を明示的に再構築する2レベル最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-06-04T07:45:27Z)

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。