論文の概要: When Agent Governance Helps
- arxiv url: http://arxiv.org/abs/2609.05531v1
- Date: Wed, 02 Sep 2026 01:16:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.087375
- Title: When Agent Governance Helps
- Title（参考訳）: エージェントガバナンスが役に立つとき
- Abstract要約: Governed Autotelic Multi-Agent Product Organization (GAMPO)は、AIエージェント組織を管理するためのフレームワークである。
我々は、オープンモデルとフロンティアモデルにまたがる長期医療ベンチマークであるCHI-Bench上で、GAMPOの即層インスタンス化を探索する。
コントリビューションは、名前付き、監査可能なフレームワークと、ガバナンスが余分な能力にサイズ化されるべきである、という機能限定の証拠です。
- 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: No specification says how a governed autotelic AI agent organization, where agents pursue self-generated goals inside guardrails, should be designed and evaluated. We answer in two parts. First, we synthesize the Governed Autotelic Multi-Agent Product Organization (GAMPO) framework from a document-based qualitative evidence synthesis of 321 sources, integrating agency, agile, platform, and governance theory into a runnable specification. Second, we probe a prompt-layer instantiation of GAMPO on CHI-Bench, a long-horizon healthcare benchmark, across open and frontier models. The result is a boundary condition: governance benefit is gated by a model's spare capacity and is domain- and model-specific. On capacity-constrained open models the full procedure yields no reliable benefit, whereas a single "verify your writes" sentence doubles task success (pass@1 2/20 to 4/20). At the frontier the same scaffold lifts prior-authorization 24% to 40% but nets zero on another model, a gap traced to a stable recommendation-override disposition. A second result refines the first: replacing the generic procedure with an answer-blind, per-task definition-of-done, keyed only to the case's own policy and published standards, never the hidden key, raises prior-authorization to 84% under best-of-five self-consistency (68% single-attempt, confirmed by a held-out board) and utilization-management to 44%, while care-management meets a subjective content-quality wall. The contribution is a named, auditable framework and capability-gated evidence that governance should be sized to spare capacity, and that at the frontier a case-grounded specification beats a uniform procedure. Findings are exploratory: partial instantiation, small per-cell samples (n = 5-25), and single trials.
- Abstract（参考訳）: エージェントがガードレール内で自己生成目標を追求する自律型AIエージェント組織をどのように設計し、評価すべきかは、仕様には書かれていない。
私たちは2つの部分で答える。
まず、Governed Autotelic Multi-Agent Product Organization(GAMPO)フレームワークを321ソースの文書ベースの定性的な証拠から合成し、エージェンシー、アジャイル、プラットフォーム、ガバナンス理論を実行可能な仕様に統合する。
第2に、オープンモデルとフロンティアモデルにまたがる長期医療ベンチマークであるCHI-Bench上で、GAMPOの即時的なインスタンス化を探索する。
ガバナンスの利益はモデルの予備能力によって促進され、ドメインとモデル固有のものです。
キャパシティに制約のあるオープンモデルでは、完全なプロシージャは信頼性のないメリットをもたらす。一方、"verify your write"という文はタスクの成功を2倍にする(pass@1 2/20 to 4/20)。
最前線では、同じ足場が24%から40%の事前認可を持ち上げるが、他のモデルでは0である。
2つ目の結果は、ジェネリックプロシージャを、ケース自身のポリシーにのみ鍵を付け、隠されたキーを一切公開せず、最高の5つの自己整合性(68%が単独で、保留委員会によって確認されている)の下で、事前認証を84%に引き上げ、利用管理を44%に、ケア管理は主観的なコンテンツ品質の壁に適合する。
このコントリビューションは、名前付き、監査可能なフレームワークと、権限が付与された証拠であり、ガバナンスはキャパシティを犠牲にすべきであり、フロンティアではケースグラウンドの仕様が統一的な手続きに勝っている。
発見は探索的であり、部分的なインスタンス化、小さなセル単位のサンプル(n = 5-25)、単一の試行である。
関連論文リスト
- Governance at the Boundary: How Agent Decomposition Degrades Policy Compliance [6.411104724993454]
金融エージェントの統治可能性のベンチマークであるFiducia-benchを紹介します。
エージェントは、そのガバナンスを劣化させるのか?
あるコンポーネントによって発見されたポリシー関連事実は、それらに作用しなければならないコンポーネントに到達する前に、ハンドオフ境界で減衰される。
論文 参考訳（メタデータ） (2026-08-17T03:31:59Z) - Ontology-Amplified Distillation and Contextuality Auditing for Sovereign Enterprise Language Models: A Combined Proof-of-Mechanism and Negative-Results Method Study [0.0]
本稿では2つの関連するFAOS研究を1つのメカニズムと制御項目にまとめる。
まず, オントロジー増幅蒸留の低消費電力実験を報告する。
第2に,エンタープライズエージェントルーティングのためのコンテキスト性監査手法を統合する。
論文 参考訳（メタデータ） (2026-07-11T15:42:40Z) - AgentBeats: Agentifying Agent Assessment for Openness, Standardization, and Reproducibility [104.46861849039357]
エージェントシステムはドメイン間で急速に進歩しているが、その評価は断片化されている。
根本的問題は、オープンでエージェントに依存しないアセスメントインタフェースがないことである。
我々は、審査員が評価を行い、すべての参加者が標準化されたプロトコルを介して対話するエージェントエージェントアセスメント(AAA)を提唱する。
論文 参考訳（メタデータ） (2026-06-11T17:23:54Z) - Toward Pre-Deployment Assurance for Enterprise AI Agents: Ontology-Grounded Simulation and Trust Certification [0.0]
配備後監視、人道管制、緊急レベルのガードレールは、エージェントが運用中に動作している場合に限定的な保証を提供する。
オントロジーに基づく検証フレームワークは、まず3つのコンポーネントを組み合わせる。
システムは、自動的に規制、運用、および敵対的なテストシナリオを生成する。
論文 参考訳（メタデータ） (2026-06-02T02:37:11Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - 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) - Goedel-Code-Prover: Hierarchical Proof Search for Open State-of-the-Art Code Verification [34.98335927187393]
大規模言語モデル(LLM)は可塑性コードを生成することができるが、正確性には限界がある。
本稿では,Lean4における自動コード検証のための階層的証明検索フレームワークを提案する。
Goedel-Code-Prover-8Bは、分解と完了の両方のための単一の統一ポリシーです。
論文 参考訳（メタデータ） (2026-03-18T18:42:04Z) - 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) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - DrawingBench: Evaluating Spatial Reasoning and UI Interaction Capabilities of Large Language Models through Mouse-Based Drawing Tasks [10.977990951788422]
DrawingBenchはエージェントLLMの信頼性を評価するための検証フレームワークである。
我々のフレームワークは、20のカテゴリに250の多様なプロンプトと4つの難易度から構成されている。
我々は1000回の試験で4つの最先端LCMを評価した。
論文 参考訳（メタデータ） (2025-12-01T01:18:21Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z)
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。