論文の概要: Identity Is More Than Recall: A Benchmark for Persistent Identity in Deployed AI Agents
- arxiv url: http://arxiv.org/abs/2609.13637v1
- Date: Sat, 12 Sep 2026 01:06:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.427981
- Title: Identity Is More Than Recall: A Benchmark for Persistent Identity in Deployed AI Agents
- Title（参考訳）: アイデンティティはリコール以上のもの - デプロイされたAIエージェントにおける永続的アイデンティティのベンチマーク
- Abstract要約: 我々はPAI-Benchを紹介した。PAI-Benchは、バージョン管理された更新管理されたID契約に忠実性を示すプロバイダニュートラルなベンチマークである。
リコール、コンポジション、行動規範、抵抗、永続性、系統、ロール条件の更新を分離する。
調査では、ホック後の監査とフォローアップで、条件ごとに単一のターゲットサンプルを使用する。
- 参考スコア（独自算出の注目度）: 3.2278218804727334
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Persistent agents need evaluations that distinguish identity facts they can recall from those they express and enact. We introduce PAI-Bench, a provider-neutral benchmark for fidelity to a versioned, update-governed identity contract. It separates recall, composition, behavioral enactment, resistance, persistence, lineage, and role-conditioned updates while keeping scoring oracles outside the target process. Two frozen campaigns cover sixteen synthetic profiles, thirty-two probes, and three independently initialized target configurations, yielding 1,536 retained responses. A judge-independent literal audit finds direct-parent identifiers in 48/48 atomic responses but only 1/48 implicit self-portraits. On eight profiles, explicit field cues increase joint presence of three identity identifiers from 0/8 to 7/8 under the same four-sentence instruction. A separate startup body-label substitution increases full-designation presence from 1/8 to 7/8 while parents remain absent. These contrasts reveal prompt-dependent component selection and component-specific sensitivity to startup cues in the tested deployments. Replaying identical factorial responses also yields a Claude headline mean 12.5 percentage points below Astra's, demonstrating evaluator sensitivity separately from target behavior. The studies use single target samples per condition, with post-hoc audits and follow-ups. PAI-Bench provides a reproducible evaluation protocol for measuring factual availability, identity expression, and behavioral enactment as distinct aspects of identity-contract fidelity.
- Abstract（参考訳）: 永続的エージェントは、彼らが表現し、実行しているものからリコールできるアイデンティティ事実を識別する評価を必要とする。
我々はPAI-Benchを紹介した。PAI-Benchは、バージョン管理された更新管理されたID契約に忠実性を示すプロバイダニュートラルなベンチマークである。
それは、リコール、コンポジション、行動規範、抵抗、永続性、系統、ロール条件の更新を分離し、目標プロセスの外でオーラクルのスコアを維持する。
凍結された2つのキャンペーンは、16の合成プロファイル、32のプローブ、3つの独立に初期化されたターゲット構成をカバーし、1,536の応答を得た。
裁判官に依存しないリテラル監査では、48/48の原子応答で直接親の識別子を見つけるが、1/48の暗黙の自画像しか見つからない。
8つのプロファイルにおいて、明示的なフィールドキューは、同一の4文命令の下で3つの識別識別子を0/8から7/8に増加させる。
別個のスタートアップのボディーラベル置換は、親が不在である間、完全な指定存在を1/8から7/8に増やす。
これらのコントラストは、テストされたデプロイメントにおける起動キューに対する、即時依存のコンポーネント選択とコンポーネント固有の感度を明らかにします。
同一の因子応答を再生すると、クロードの見出し平均はアストラよりも12.5パーセント低くなり、標的行動とは別個の評価器の感度を示す。
調査では、ホック後の監査とフォローアップで、条件ごとに単一のターゲットサンプルを使用します。
PAI-Benchは、現実の可用性、アイデンティティ表現、行動規範を、アイデンティティ契約の忠実性の異なる側面として測定するための再現可能な評価プロトコルを提供する。
関連論文リスト
- Scored vs. Generated Readouts in Behavioral Language Models: An Empirical Study of Elicitation Format [0.0]
回答トークンのスコアリングによって得られる確率と、文章の合理化後に生成された予測とを比較した。
13個のモデルドメイン細胞が4つの小売業務を網羅し、13個の細胞のうち12個で結果がより正確にランク付けされた。
論文 参考訳（メタデータ） (2026-09-09T08:37:46Z) - A Three-Tier Persona Vector for Controllable User Simulation in Agentic Evaluation [0.9918136378822991]
23の操作次元を持つ3層ペルソナベクトルを提案する。
我々は64,698件の会話で合成データ生成パイプライン内のペルソナモデルを評価する。
論文 参考訳（メタデータ） (2026-09-08T11:28:02Z) - Agreement Before Diversity: Verification-First Complementarity for Heterogeneous Language-Model Coordination [11.215813718564283]
候補のヘッドルームを置換権限から切り離し、後者を明示的で監査可能なオブジェクトとします。
提案手法であるCon Agreement-Before-Diversityは,フリーフリーでラベルのない決定ルールである。
論文 参考訳（メタデータ） (2026-08-05T09:24:39Z) - TrAC: Trace-Conditioned Answer Consistency for Efficient Uncertainty Quantification in LLMs [5.676157325165344]
大規模言語モデル (LLM) は、しかしながら、誤った答えにつながるような、流動的な推論トレースを生成することができる。
TrACは、ある完了した推論トレースに固定されたアクティブ信号とパッシブ信号を組み合わせた正当性管理の不確実性定量化フレームワークである。
TrACはマクロAUROCを1.8%改善し、AURCを8サンプルの自己一貫性に対して3.4%削減する。
論文 参考訳（メタデータ） (2026-08-01T03:43:31Z) - Identity from the Outside: A Conceptual Framework and Research Program for AI Personality Clones [0.0]
AIの「人格クローン」は、運用用語で個人のアイデンティティを再検査する。
我々は「同一性」が混ざり合うという3つの基準を区別する。
状態空間の定式化による観測されたアイデンティティの6項の分解を提案する。
論文 参考訳（メタデータ） (2026-07-27T18:18:21Z) - Thinking Before Matching: A Reinforcement Reasoning Paradigm Towards General Person Re-Identification [77.51622646061314]
ReID-Rは、明確なアイデンティティ理解と推論を実現する新しい推論駆動パラダイムとして提案されている。
複数のReIDベンチマークの実験では、ReID-Rは優れた手法として、競争力のある識別性を達成している。
論文 参考訳（メタデータ） (2026-04-21T08:24:07Z) - 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) - ClawArena: Benchmarking AI Agents in Evolving Information Environments [61.664633997138004]
ClawArenaは、進化する情報環境におけるAIエージェントの評価のためのベンチマークである。
それぞれのシナリオは、エージェントをノイズ、部分的、時には矛盾するトレースだけに露呈しながら、完全に隠された地上の真実を維持します。
評価は、マルチソースコンフリクト推論、動的信念修正、暗黙のパーソナライゼーションという3つの複合的な課題に基づいて構成される。
論文 参考訳（メタデータ） (2026-04-05T17:55:23Z) - NearID: Identity Representation Learning via Near-identity Distractors [116.71529576796605]
既存のビジョンエンコーダは、オブジェクトのアイデンティティを背景コンテキストと絡み合わせることで、信頼性の低い表現やメトリクスを生み出します。
我々は、この脆弱性に対処するための最初の原則付きフレームワークをNear-identity distractorsを使って紹介する。
我々は、厳密なマージンベースの評価プロトコルとともに、NearIDデータセット(19KのID、316Kの一致したコンテキストインタプリタ)を提示する。
論文 参考訳（メタデータ） (2026-04-02T12:33:14Z) - Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。
我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。
ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
論文 参考訳（メタデータ） (2026-03-18T06:15:35Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-28T09:28:12Z)
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。