Fugu-MT 論文翻訳(概要): Artificial Id: Drive and Persistent Alignment in Agentic AI

論文の概要: Artificial Id: Drive and Persistent Alignment in Agentic AI

arxiv url: http://arxiv.org/abs/2609.11911v1
Date: Thu, 10 Sep 2026 17:56:41 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-11 23:53:35.481479
Title: Artificial Id: Drive and Persistent Alignment in Agentic AI
Title（参考訳）: 人工ID:エージェントAIにおけるドライブと永続アライメント
Abstract要約: Agentic AIは、境界付けられたタスク実行から、連続状態を保持し、タスク境界を越えて操作と適応を続けるシステムに移行している。本研究では, 動作継続, 停止, 変化の判定を行うための適応型内部ドライブである人工IDを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Agentic AI is moving from bounded task execution toward systems that retain consequential state, continue operating and adapt across task boundaries. That shift creates a control problem that current harnesses largely solve by hand: objectives, retries, verification, stopping rules and other behavioral transitions are specified externally. We propose an artificial id, an adaptive internal drive for determining whether behavior should continue, stop or change. In a minimal virtual Petri-dish experiment, a controller too small to perform general-purpose reasoning and receiving no task-specific behavioral objective develops useful control through differential persistence. The same mechanism selects an unintended physical strategy when that behavior persists better and later replaces a learned sensor mapping when its environmental meaning changes. These results show that adaptive direction can emerge without being explicitly specified as a behavioral objective. The same persistence that makes such adaptive agency useful can also allow misalignment, corrupted state and unintended behavior to persist across task boundaries. A scalable artificial id would carry consequential state and adaptive drive across those boundaries, making alignment a property of the continuing agentic system rather than of a model response or single trajectory. Such systems require a persistent alignment boundary over trusted observations, consequence channels, persistent state, authority, identity, provenance and hard constraints.
Abstract（参考訳）: Agentic AIは、境界付けられたタスク実行から、連続状態を保持し、タスク境界を越えて操作と適応を続けるシステムへと移行している。目的、再試行、検証、ルールの停止、その他の行動遷移は外部で指定される。本研究では, 動作継続, 停止, 変化の判定を行うための適応型内部ドライブである人工IDを提案する。最小限の仮想ペトリディッシュ実験では、制御器は汎用的な推論を行うには小さすぎるため、タスク固有の行動的目的を受信することは、微分永続性を通じて有用な制御を発達させる。同じメカニズムは、振る舞いがより良く持続するときに意図しない物理的戦略を選択し、その後、環境意味が変化するときに学習されたセンサーマッピングを置き換える。これらの結果から,適応方向が行動目標として明示的に指定されることなく現れる可能性が示唆された。このようなアダプティブエージェンシーを有用なものにするのと同じ永続性は、修正、破損した状態、意図しない振る舞いをタスク境界を越えて継続することを可能にする。スケーラブルな人工IDは、それらの境界を越えて連続状態と適応駆動を持ち、モデル応答や単一軌道ではなく、継続するエージェントシステムの特性をアライメントする。このようなシステムには、信頼できる観察、結果チャネル、永続的な状態、権威、アイデンティティ、証明、厳密な制約に対する永続的なアライメント境界が必要である。

関連論文リスト

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)
End-to-end Conditional Diffusion for Realistic and Controllable Visual Traffic Scenario Generation [59.188006170485046]
E2E-CDiffは、制御可能で現実的なシナリオ生成のためのエンドツーエンドの条件拡散フレームワークである。微分可能な誘導は速度を規制し、乾燥可能な領域のコンプライアンスを強制し、衝突回避や衝突回避行動をサポートする。 E2E-CDiffは、学習ベースのエゴプランナーとしても競争力がある。
論文参考訳（メタデータ） (2026-07-21T02:13:25Z)
DeSeG: Decoupling Semantic Intent and Geometric Constraints for Physically Plausible Human-Scene Interaction [50.06148080975928]
本稿では,意味的意図を幾何学的制約から明確に分離する階層型フレームワークであるDeSeGを提案する。 DeSeGは最先端のパフォーマンスを実現し、平均シーン浸透率を47%削減し、SOTAベースラインに対するセマンティックアライメントを29%改善した。
論文参考訳（メタデータ） (2026-07-07T03:21:08Z)
When Regulation Has Memory: Hysteresis and Control Burden in Artificial Agency [0.0]
2つの系は同様の内部状態に到達し、一方はそこに到達するためにはるかに正確な制御を必要とする。適応不確実性規制の計算モデルを用いて、その負担が歴史に依存するかどうかを検討する。その結果、適応エージェントは組織化されているかどうかだけでなく、どの程度の規制を採用すべきかによって評価されるべきであることが示唆された。
論文参考訳（メタデータ） (2026-06-29T23:19:26Z)
Intelligence as Managed Autonomy: Failure, Escalation, and Governance for Agentic AI Systems [0.0]
本稿では,非有界自律のアーキテクチャ的脆弱性について考察する。この理論をSMARtモデル(Stable、Meta-cognitive、Assisted、Regulationの4層フレームワーク)を用いてインスタンス化する。自律ライフサイクルにおける障害管理の形式化は、信頼性と管理された人工知能の実現に向けた重要なステップである、と結論付けます。
論文参考訳（メタデータ） (2026-05-26T19:49:23Z)
Prediction and Empowerment: A Theory of Agency through Bridge Interfaces [0.10152838128195464]
決定論的物理・シミュレートされた世界における部分的観測可能性の下でエージェントを研究する。我々は予測、圧縮、エンパワーメントの分離を証明している。現代のAIエージェントにとって、結果は必然性の定理ではなく設計原則を示唆している。
論文参考訳（メタデータ） (2026-05-07T14:30:46Z)
When Benign Inputs Lead to Severe Harms: Eliciting Unsafe Unintended Behaviors of Computer-Use Agents [90.05202259420138]
意図しないコンピュータ利用エージェントは、良質な入力コンテキストの下でも期待された結果から逸脱することができる。意図しないCUA行動に対する最初の概念的および方法論的枠組みを紹介する。本稿では,CUA実行フィードバックを用いた命令を反復的に摂動するエージェントフレームワークであるAutoElicitを提案する。
論文参考訳（メタデータ） (2026-02-09T03:20:11Z)
\ extsc{NaVIDA}: Vision-Language Navigation with Inverse Dynamics Augmentation [50.027425808733994]
textscNaVIDAは、ポリシー学習とアクショングラウンドの視覚力学と適応実行を結合した統合VLNフレームワークである。 textscNaVIDAは、チャンクベースの逆ダイナミクスによるトレーニングを強化し、視覚変化と対応するアクションの因果関係を学習する。実験の結果,textscNaVIDAはパラメータが少ない最先端の手法に比べてナビゲーション性能が優れていることがわかった。
論文参考訳（メタデータ） (2026-01-26T06:16:17Z)
Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。 TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。 We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
論文参考訳（メタデータ） (2025-10-06T05:03:57Z)
Control-ITRA: Controlling the Behavior of a Driving Model [14.31198056147624]
エージェントの動作に影響を与える制御ITRAと呼ばれる手法を,ウェイポイントの割り当てと目標速度の変調によって導入する。本手法は, 可制御性, 無屈折性トラジェクトリを生成できると同時に, 視界と見えない位置の両方でリアリズムを保ち得ることを示す。
論文参考訳（メタデータ） (2025-01-17T03:35:11Z)
DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文参考訳（メタデータ） (2023-10-03T10:10:42Z)
BehAVExplor: Behavior Diversity Guided Testing for Autonomous Driving Systems [27.223488110349567]
自律運転システム(ADS)のテストは、信頼性と安全性を確保するための重要なタスクである。既存の手法は主に安全違反の検索に重点を置いており、生成したテストケースの多様性は無視されている。本研究では,エゴ車両の挙動を探索し,多様な違反を検出するために,行動誘導型ファジリング技術(BehAVExplor)を提案する。
論文参考訳（メタデータ） (2023-07-14T17:24:39Z)

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。