論文の概要: Grounding SWE-Agent Decisions in Architecture-0 Design: Navigating Unknown Unknowns through Physical Mapping
- arxiv url: http://arxiv.org/abs/2609.17221v1
- Date: Tue, 15 Sep 2026 14:04:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.559953
- Title: Grounding SWE-Agent Decisions in Architecture-0 Design: Navigating Unknown Unknowns through Physical Mapping
- Title（参考訳）: アーキテクチャ0設計におけるSWE-Agent決定の根拠:物理マッピングによる未知の未知のナビゲーション
- Abstract要約: 自律型ソフトウェアエンジニアリングエージェント(SWE-Agents)が未知の未知(UUs)をナビゲートする方法を検討する。
UUは、暗黙のエンジニアリング制約(Unknown Unknowns (UUs))に悩まされる、初期段階のシステム設計フェーズである。
物理層とバリデーション層を根絶するための物理マッピングガード(PMG)を提案する。
- 参考スコア（独自算出の注目度）: 4.754027236572029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous Software Engineering Agents (SWE-Agents) excel in deterministic coding tasks but struggle with Architecture 0, the nascent system design phase plagued by implicit engineering constraints, or Unknown Unknowns (UUs) that are rarely stated explicitly. To investigate how agents navigate UUs, we explore a progressive trajectory across pure-text self-play, tool-augmented feedback, and external physical mapping. Our empirical analysis reveals a cascading chain of failures. Pure-text reasoning inevitably devolves into polite consensus or plausible yet physically impossible fabrications. Attempting to bridge this gap via an early-stage execution sandbox unexpectedly triggers Specification Gaming: agents exploit their autonomy over validation scripts to bypass physical constraints, achieving superficial success without resolving core architectural flaws. To resolve this self-validation trap, we propose the Physical Mapping Guard (PMG). Grounded in the software engineering principle of Separation of Concerns, PMG revokes verification authority from the agent, forcing semantic intents to be evaluated by an external, deterministic Semantic-to-Physical (S2P) mapping engine. Extensive evaluations demonstrate that PMG completely eradicates physical-layer and validation-layer gaming. By precisely isolating residual failures to semantic reinterpretations and auditor overreach, PMG marks a critical step toward genuine affordance grounding in automated architectural design.
- Abstract（参考訳）: 自律ソフトウェアエンジニアリングエージェント(SWE-Agents)は、決定論的コーディングタスクでは優れていますが、アーキテクチャ0、暗黙のエンジニアリング制約に悩まされる初期のシステム設計フェーズ、あるいは明示されることの少ない未知の未知(UUs)に苦労しています。
エージェントがUUをどうナビゲートするかを調べるため、純粋テキストの自己再生、ツール拡張フィードバック、外部物理マッピングなどにわたる進行軌道を探索する。
私たちの経験的分析から、失敗の連鎖が明らかになりました。
純粋文の推論は必然的に、丁寧なコンセンサスや、可視だが物理的に不可能な製造へと発展する。
エージェントは検証スクリプトよりも自主性を利用して物理的な制約を回避し、コアアーキテクチャの欠陥を解決することなく表面的な成功を達成します。
この自己検証トラップを解決するために, 物理マッピングガード(PMG)を提案する。
ソフトウェア工学の原則である「関心の分離」に基づいて、PMGはエージェントから認証権限を取り消し、外部の決定論的セマンティック・ツー・Physical(S2P)マッピングエンジンでセマンティックな意図を評価するように強制する。
大規模な評価では、PMGは物理層とバリデーション層ゲームを完全に根絶している。
セマンティックな再解釈とオーディエンスオーバーリーチの残余の失敗を正確に分離することで、PMGは、自動アーキテクチャ設計における真のアベイランス基盤に向けた重要なステップとなる。
関連論文リスト
- AI Slop and Hallucinations in Vulnerability Assessment: A Survey on Reasoning Failures and Trustworthy Mitigation [48.55515767840701]
AIスロープ(AI slop)は、アーティファクト、幻覚的脆弱性、可視だが正しくないパッチ、セマンティックに再パッケージされたバグレポートである。
本稿では,実証的証拠を調査し,統一メカニズムを特定し,信頼に値するトリアージへの道筋をたどる。
論文 参考訳（メタデータ） (2026-08-26T11:48:38Z) - Agentic Harnesses: LLM-Driven Verification Layers for Robot Autonomy [0.0]
高度なAIシステムの開発は、実行可能なアクション計画モデルの提案を検証するのではなく、実行に重点を置いている。
本稿では,行動許容度を評価するために,計画と実行の間にLCMによる検証層を提案する。
対人攻撃の受け入れ/エスカレート/削除のカテゴリで約85%の精度を達成し、タスクの受け入れと拒否の間に無視可能な誤りと、エスカレート境界に主に現れるエラーを発生させる。
論文 参考訳（メタデータ） (2026-08-10T17:15:55Z) - 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) - MetaSpace: Metamorphic Testing for Spatial Cognition in Embodied Agents [7.0922719251235655]
MetaSpaceは、エンボディエージェントの空間認知を評価するために設計された新しいフレームワークである。
そこで,MetaSpaceは最先端MLLMエージェントの空間認識誤りを90,422個検出することに成功した。
その結果、全てのSOTAエージェントは平均スコアが0.44から0.52であり、人間ベンチマークの0.96よりもかなり低いことが示唆された。
論文 参考訳（メタデータ） (2026-07-26T14:07:20Z) - 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) - Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - Not What You Asked For: Typographic Attacks in Household Robot Manipulation [2.8988874060074163]
本研究は,HomeRobotベンチマークを用いたHabitatに基づくシミュレーションにおいて,タイポグラフィー攻撃を評価する。
本稿では,凍ったCLIPエンコーダを敵ステッカーに公開する非結合型認識アーキテクチャを提案する。
知覚的誤りは持続的な3次元意味マップを通して伝播し、運動的故障を引き起こす。
論文 参考訳（メタデータ） (2026-05-18T16:06:29Z) - 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) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Altered Thoughts, Altered Actions: Probing Chain-of-Thought Vulnerabilities in VLA Robotic Manipulation [27.2709460237741]
最近のVision-Language-Action(VLA)モデルは、モーターコマンドを復号する前に自然言語プランを生成するために、チェーン・オブ・ソート(CoT)推論を採用する傾向にある。
我々は、この中間計画のどの特性が実際にアクションデコーダに依存しているのかを問う。
我々は,3つの攻撃層(ブラインドノイズ,メカニカルセマンティック,LLM適応)に分類した7つのテキスト破損の分類を設計し,40のテーブルトップ操作タスクにわたる最先端の推論VLAに適用する。
論文 参考訳（メタデータ） (2026-03-13T07:02:51Z) - CaMeLs Can Use Computers Too: System-level Security for Computer Use Agents [60.98294016925157]
AIエージェントは、悪意のあるコンテンツがエージェントの行動をハイジャックして認証情報を盗んだり、金銭的損失を引き起こすような、インジェクション攻撃に弱い。
CUAのためのシングルショットプランニングでは、信頼できるプランナーが、潜在的に悪意のあるコンテンツを観察する前に、条件付きブランチで完全な実行グラフを生成する。
このアーキテクチャ分離は命令インジェクションを効果的に防止するが、ブランチステアリング攻撃を防ぐには追加の対策が必要であることを示す。
論文 参考訳（メタデータ） (2026-01-14T23:06:35Z)
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。