論文の概要: Can AI Agents Deliver Verifiable Network-Wide Outcomes Across Authority Boundaries?

• arxiv url: http://arxiv.org/abs/2609.10181v1
• Date: Wed, 09 Sep 2026 13:51:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.041305
• Title: Can AI Agents Deliver Verifiable Network-Wide Outcomes Across Authority Boundaries?
• Title（参考訳）: AIエージェントは、オーソリティ境界を越えて、検証可能なネットワーク幅のアウトカムを提供できるか?
• Abstract要約: 本稿では,協調エージェント操作がオペレータのネットワーク意図を達成したかどうかを判断するランタイム保証層であるEvidenceNetを提案する。 ライブルーティングネットワークの実験では、変更後の状態チェックは、構成アクションレコードだけでは確立できない成功結果を認識する。
• 参考スコア（独自算出の注目度）: 31.85609823320721
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI agents are increasingly involved in network automation, where they can initiate configuration changes through mediated operational interfaces and assess the resulting state. Nonetheless, operational networks usually span many devices and administrative domains. Realizing an operator's intent requires coordinating agents with distinct authority scopes that define the resources they can access, the operations they can invoke, and the network state they can observe. This division limits the blast radius of an erroneous action but fragments the evidence needed to assess the network-wide outcome. Successful execution of a configuration action proposed by one agent does not establish that remote devices responded as intended or that routing changes reached the required devices. A valid observation may also become stale after a subsequent change. Before the coordinated operation can be declared complete, a trusted assurance layer must collect current observations from the required scopes and determine whether they collectively support the operator's intended network-wide outcome. To address the completion admission problem, we present EvidenceNet, a runtime assurance layer for deciding whether coordinated agent operations have achieved an operator's network intent. Its broker collects the post-change observations required by a completion contract, and its admission gate checks that the evidence comes from the required scopes, remains current, and satisfies the task rules. A verifier agent provides an additional assessment of the observation content. Experiments on live routing networks show that post-change state checks recognize successful outcomes that configuration-action records alone cannot establish. Controlled interventions further show that EvidenceNet rejects completion when otherwise satisfactory observations have the wrong source, have been substituted, or are stale.
• Abstract（参考訳）: AIエージェントはネットワーク自動化にますます関与しており、仲介された運用インターフェースを通じて構成変更を開始し、その結果の状態を評価することができる。 それでも、運用ネットワークはたいてい多くのデバイスや管理ドメインにまたがる。 オペレータの意図を実現するには、アクセス可能なリソース、呼び出し可能な操作、監視可能なネットワーク状態を定義する権限範囲の異なるエージェントを調整する必要がある。 この分割は誤動作の爆発半径を制限するが、ネットワーク全体の結果を評価するために必要な証拠を断片化する。 あるエージェントによって提案された設定アクションが正常に実行されると、リモートデバイスが意図通りに応答したり、必要なデバイスにルーティングの変更が到達したことを保証できない。 有効な観測は、その後の変更後にも停滞する可能性がある。 調整された操作が完了する前に、信頼された保証層は必要なスコープから現在の観測を収集し、オペレータが意図するネットワーク全体の結果を集合的にサポートするかどうかを決定する必要がある。 そこで本研究では,協調エージェント操作がオペレータのネットワーク意図を達成したかどうかを判断するランタイム保証層であるEvidenceNetを提案する。 ブローカーは完了契約で要求される変更後の観察を収集し、その入場口は証拠が要求される範囲から来ていることを確認し、現在の状態を維持し、タスクルールを満たす。 検証エージェントは、観察内容のさらなる評価を提供する。 ライブルーティングネットワークの実験では、変更後の状態チェックは、構成アクションレコードだけでは確立できない成功結果を認識する。 制御された介入により、EvidenceNetは、もし満足のいく観測結果が間違ったソースであったり、置換されたり、不安定であったりした場合、完了を拒否することが明らかになった。

関連論文リスト

• Safety Signals to Verify NetOps Agents with Action-Level Granularity [22.473140552041276]
  Agentic Network Operations(NetOps)は、ワークロード対応、自己調整可能、信頼性の高い自律ネットワークの実現を約束する新興パラダイムである。 内部信号を利用するエージェント検証器は、観測可能な信号のみを用いて、ベースラインよりも害と進行の両方を予測し、より確実に進行することを示す。 我々は,これらの信号をエージェントハーネスの安全フィードバックとして利用し,リスクのある行為を回避し,標的システムを保護することを目的としている。
  論文  参考訳（メタデータ） (2026-09-13T10:43:37Z)
• Can AI Agents Detect and Repair Artifact Drift in Network Experiments? [29.12202496097423]
  私たちはこの財産品の完全性と呼ぶ。 ベンチマークには52のインスタンスが含まれており、直接矛盾からいくつかのアーティファクトにまたがる非統計関係まで、矛盾がある。 決定論的スコアリングを用いて,3つの汎用AIエージェントランタイムを対象とした23のエージェント構成を評価する。
  論文  参考訳（メタデータ） (2026-09-09T07:58:24Z)
• The Verification Gap in Networked Physical AI: A Post-Semantic Communication Framework [0.7896651877485362]
  ネットワーク化された物理AIでは、提案は有効で、タイムリーで、提案に結びついた証拠や、行動の確定に必要な権限がまだ利用できないまま理解される。 我々はこのミスマッチを検証ギャップと呼び、提案生成と物理実行の間のシステムインターフェースのためのポストセマンティック・コミュニケーション・フレームワークを導入します。
  論文  参考訳（メタデータ） (2026-08-20T03:17:20Z)
• ScrambleToolBench: Agents Search Exhaustively Even When Their Own Map Points to the Next Step [74.83535434786145]
  ScrambleToolBenchは,行動推論の分離を目的とした対話型端末ベンチマークである。 このベンチマークでは、エージェントがテストとエラーのインタラクションを通じて、隠されたツールの振る舞いを明らかにする必要がある。 現状の言語モデルに対する我々の評価は、初期発見が成功しても頑健な適応にはならないことを示している。
  論文  参考訳（メタデータ） (2026-08-03T15:07:46Z)
• Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels [53.63220028820581]
  身体的知性は、学習した知覚と意思決定をリアルタイムの計算、制御、物理的相互作用と統合する。 我々は,信頼に値するインテリジェンスを,特定のタスクを確実に実行するための持続能力として定義する。
  論文  参考訳（メタデータ） (2026-07-28T17:50:44Z)
• 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)
• SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration [77.28003194268977]
  SearchOSは、脆弱で暗黙的な検索進捗を明示的で永続的で共有状態に変換するシステムレベルのマルチエージェントフレームワークである。 SOCM上に構築されたSearchOSは、サブエージェントの実行を重複させるパイプライン並列スケジューリングメカニズムを適用している。 SearchOSは評価されたシングルエージェントとマルチエージェントのベースラインの中で、すべてのメトリクスをリードする。
  論文  参考訳（メタデータ） (2026-07-16T17:51:23Z)
• Governed Individuation: Cryptographically Decoupling an Agent's Learning from Its Authority [7.392721604463545]
  制限はエージェントの実行アーキテクチャの不変として保証できることを示す。 学習量やスキル獲得量、自己引き起こされるガバナンスの抽象化がエージェントの許可された権限を広げることはできないことを証明します。
  論文  参考訳（メタデータ） (2026-07-06T02:42:06Z)
• Large Language Models for Agentic NetOps and AIOps: Architectures, Evaluation, and Safety [14.195825134031795]
  大規模言語モデルは、ネットワークオペレーション(NetOps)とITオペレーションのための人工知能(AIOps)をサポートするために、ますます使用されている。 NetOpsとAIOpsでは、このシフトがタスクの管理方法を変えています。 エージェントベースのオペレーションは、エビデンス収集からアクションの実施、パーミッション、ポリシー、チェックの追跡、必要に応じてロールバックオプションの提供に至るまで、管理されている。
  論文  参考訳（メタデータ） (2026-05-12T20:31:41Z)
• AJ-Bench: Benchmarking Agent-as-a-Judge for Environment-Aware Evaluation [71.49152943451328]
  我々は,AJ-Benchベンチマークを導入し,ドメイン検索,データシステム,グラフィカルユーザインタフェースの3つの領域にまたがるエージェント・アズ・ア・Judgeを評価する。 実験ではLLM-as-a-Judgeベースラインよりも一貫したパフォーマンス向上を示し、エージェントベースの検証においてかなりオープンな課題を明らかにした。
  論文  参考訳（メタデータ） (2026-04-20T13:23:38Z)
• Faramesh: A Protocol-Agnostic Execution Control Plane for Autonomous Agent Systems [0.0]
  Farameshはプロトコルに依存しない実行制御プレーンで、エージェント駆動アクションの実行時間認証を強制する。 これらのプリミティブが自律的な実行に対して、強制可能で予測可能なガバナンスを実現する方法を示します。
  論文  参考訳（メタデータ） (2026-01-25T08:27:27Z)

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。