論文の概要: Beyond Agent Harnesses: Cross-Substrate Authority for Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2609.08472v1
- Date: Tue, 08 Sep 2026 09:11:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 16:24:56.991895
- Title: Beyond Agent Harnesses: Cross-Substrate Authority for Multi-Agent Systems
- Title（参考訳）: エージェントハーネスを超えて:マルチエージェントシステムのためのクロスベースオーソリティ
- Abstract要約: エージェントシステムはワークスペースを変更しながらモデル可視メモリを保持し、ランタイム、レジストリ、承認サービスは両方の外部で権限状態を保持することができる。
決定に関連する認証情報は、プランナー可視のワークスペースやメモリ状態の外に存在します。
3つの実験は、実際のGit系統を使用したプランナー・オブザーブレーションと実行時の権限チェックを比較する。
- 参考スコア（独自算出の注目度）: 11.339095480463712
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic systems persist model-visible memory while mutating workspaces, while a runtime, registry, or approval service may hold authority state outside both. Identical final files can then require opposite safe actions. We call this the cross-substrate authority gap: decision- relevant authorization information resides outside the planner-visible workspace or memory state. Across two controlled mini-benchmark families, three experiments compare planner-observation augmentation with an execution-time authority check using real Git lineage, durably recorded agent execution attempts, deterministic oracles, and two model routes. Experiment 1 is a 128-cell controlled evidence ablation: authority-blind candidate evidence obtains 0/32 final semantic success, while raw receipts and a typed relation both obtain 32/32. The missing authority fact accounts for the gain; typed packaging provides no observed planning-accuracy gain over equal raw information. Experiment 2 uses 96 planning calls: workspace-visible evidence yields 12/16 unsafe publication decisions, and planning with the typed relation remains unreliable (15/32 first actions correct; 11/32 invalid or absent). Experiment 3 replays the same 32 fixed model-generated first-action intents with zero additional model calls; a deterministic execution guard prevents all six unsafe intents from becoming effects and permits all 12 valid authorized publish intents. These results position authority enforcement at the mutation boundary as the operational endpoint of memory governance.
- Abstract（参考訳）: エージェントシステムはワークスペースを変更しながらモデル可視メモリを保持し、ランタイム、レジストリ、承認サービスは両方の外部で権限状態を保持することができる。
同一のファイナルファイルは、反対の安全なアクションを要求することができる。
決定に関連する認証情報は、プランナー可視のワークスペースやメモリ状態の外に存在します。
2つのコントロールされたミニベンチマークファミリの中で、3つの実験は、プランナの監視強化と、実際のGitラインを使用した実行時の権限チェック、堅牢に記録されたエージェントの実行試行、決定論的オラクル、2つのモデルルートを比較している。
実験1は、128セルの制御されたエビデンスアブレーションであり、権限を放棄した候補エビデンスは0/32の最終セマンティックな成功を得る一方、生のレセプションと型付き関係はどちらも32/32を得る。
型付きパッケージングは、同じ生の情報よりも、観察された計画精度の向上を提供するものではない。
実験2では96のプランニングコールを使用しており、ワークスペースを可視化する証拠は12/16の安全でない公開決定を下し、型付き関係によるプランニングは信頼できない(最初のアクションは15/32、無効は11/32)。
実験3では、同じ32の固定モデル生成ファーストアクションインテントをゼロのモデルコールでリプレイし、決定論的実行ガードは6つの安全でないインテントがすべて有効になることを防ぎ、有効なパブリッシュインテントを12つすべて許可する。
これらの結果は、メモリガバナンスの運用上のエンドポイントとして、突然変異境界における権限執行を位置づけている。
関連論文リスト
- DNative-Twin: Decision Graphs and Digital Twins for Reconstructable Agentic Decisions [8.345996614064948]
DNative-Twinはグラフネイティブなデジタルツインで、コミットされたエージェント決定をタイプされた軌跡として記録する。
3つの公開プロセスログと制御されたリプレイスイートを使用して,企業意思決定プロセスのフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2026-09-03T12:59:34Z) - Recognition Without Enforcement: Configuration-Dependent Failures in LLM Agent Instruction Arbitration and External Control [0.0]
LLMエージェントはシステムプロンプト、ユーザ、メモリ、ツールから命令を仲裁するが、この仲裁は信頼境界を強制するものではない。
ソースフォーマット機能はモデルアクティベーションから線形にデオード可能であり、モデルがトリガーされたときの偽の権威を明示的に識別することができる。
モデル自己配置をセキュリティ境界ではなく機能として扱い、認証されたソースルーティングと機能限定ツールの実行を組み合わせた外部参照モニタを実装します。
論文 参考訳（メタデータ） (2026-08-28T16:34:05Z) - Fidelity Is Not Enough: Dispatch-Level Instrumentation for Agentic Datasheet Extraction [6.419341495897254]
3つのコンポーネントに対して25のハンドキュレートされたクレームのエージェントベンチマークで、すべてのツールコールをログします。
ルールベースの障害帰属分類器と、2つのルールがどのツールが呼び出されたかのみをチェックするサイレント障害検出器の2つを構築しました。
論文 参考訳（メタデータ） (2026-08-28T15:25:12Z) - Metis: Typed Runtime Mediation for Tool-Using Software Agents [13.543030296451661]
コールが外部効果に達する前に、プロバイダストリームを型付きイベントに変換するマルチプロジェクタランタイムであるMetisを提示する。
我々はこれらのメカニズムを凍結した原材料上で評価した。
論文 参考訳（メタデータ） (2026-08-26T03:10:03Z) - ADeptS-Bench: Measuring the Trustworthiness of Computer Use Agents Across Devices [48.36933831982682]
我々はADEPTS機能フレームワークを基盤とした信頼性ベンチマークであるADeptS-Benchを紹介する。
Safetyストリームは、視覚インターフェースに埋め込まれた脅威を伴うペアの良心/悪意のあるタスクを提供する。
曖昧さストリームは、意図が曖昧である場合、エージェントが明確化を求めるかどうかを評価する。
論文 参考訳（メタデータ） (2026-08-25T23:21:57Z) - From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering [0.0]
公開資料のみから、AIレコードがクレームを表現できるかどうか、宣言された場所を保持できるかどうかを測定する。
188個の二重グレード細胞で、デフォルトレコードが行動システムのコンテンツアイデンティティを出力するプラットフォームは見つからなかった。
計器は、パイプラインが発行した排気のみからの保証深度を計算し、宣言された深さと比較する。
論文 参考訳（メタデータ） (2026-08-21T16:45:00Z) - GuideFetch: A Task Coordination Framework for Concurrent Navigation and Object Retrieval in Assistive Robot Dogs [38.9772084779486]
textscGuideFetchは異種ロボットによる同時ガイド・アンド・フェッチミッションをコーディネートするためのフレームワークである。
我々は、スクリプトとオンラインの計画立案条件下で、90以上のシーンシードの組み合わせを実行している360シミュレータを記録している。
スケジュール、シーケンシャル、並列実行毎の90のシーンセットケースは、72/90ドル、71/90ドルの運用成功を達成する。
論文 参考訳（メタデータ） (2026-08-18T20:16:57Z) - Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。
Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。
500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
論文 参考訳（メタデータ） (2026-08-01T18:25:00Z) - Explanation-Bound Tool Execution for AI Agents: Server-Verified Action Claims Without Trusting Model Rationales [4.805352087824778]
説明境界ツール実行(Explanation-Bound Tool Execution)は、意思決定に関連する合理的なコンテンツを型付けされたアクションクレームに変換し、それらをサーバが所有するインテント、ポリシー、ペイロード、ツール、リスク、証明、新鮮な事実に対してチェックする。
我々は,この構成を明示的な調停と信頼性のある仮定の下で形式化し,最小限の監査パケットを用いたバージョン付き参照プロファイルを実装した。
論文 参考訳（メタデータ） (2026-07-28T07:16:12Z) - 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) - PRISM: : Planning and Reasoning with Intent in Simulated Embodied Environments [59.07829883257003]
5つの集合住宅の上に建設され、PRISMは300の人間認証タスクを3つの能力レベルに構成する。
PRISMはエージェントに依存しない実行可能なアクションAPIを公開し、任意のエージェントをエンドツーエンドで評価できるようにする。
論文 参考訳（メタデータ） (2026-05-12T04:59:47Z) - 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)
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。