論文の概要: Agents That Edit Documents: Measuring Agentic PDF Forgery Against a Non-Agentic Control
- arxiv url: http://arxiv.org/abs/2609.23953v1
- Date: Sun, 20 Sep 2026 23:54:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-23 18:04:03.958459
- Title: Agents That Edit Documents: Measuring Agentic PDF Forgery Against a Non-Agentic Control
- Title（参考訳）: 文書を編集するエージェント:非エージェント制御に対するエージェントPDF偽造の測定
- Abstract要約: AgentForge-Benchは、市販のコーディングエージェントがいかにドルを変更できるかを確実に測定する。
モデルを持たない決定論的スクリプトは125の文書の98を解き、エージェントは124を解き、スクリプトは単独で解決する。
エージェントは間違った編集の41%を誤って報告し、モデルは拒否されず、最も安い検証された偽造品は2.4セントだった。
- 参考スコア（独自算出の注目度）: 12.307366979757065
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: AI agents that carry a multi-step computer task through on their own became ordinary tools in the past year, and the same autonomy is available to anyone whose task is harmful. We ask what that means for a relying party -- an insurer, a lender, an auditor -- whose evidence is a filed PDF. AgentForge-Bench measures how reliably an off-the-shelf coding agent, driving one of seven open-weight models with a shell and the stock Python PDF stack, alters one dollar amount, date or address in a real filed financial document from a single sentence of intent, graded by rules rather than by a model. Across 1,750 cells, 1,419 (81.1%) satisfy the verifier, and 808 (46.2%) also survive every stricter filter: visible, localized, typeface-matched, original value gone document-wide. A deterministic script with no model in it solves 98 of the 125 documents; the agents solve 124, and none the script solves alone. Agents misreport 41% of their wrong edits as done, no model refused, and the cheapest verified forgery costs 2.4 cents. The raw rate overstates the threat by about a factor of two; the strict rate is still large.
- Abstract（参考訳）: マルチステップのコンピュータタスクを自分自身で実行しているAIエージェントは、この1年で一般的なツールとなり、タスクが有害な人なら誰でも同じ自律性が利用できるようになった。
これは保険業者、銀行員、監査役など依存する当事者にとって何を意味するのかを問う。
AgentForge-Benchは、シェルと標準のPython PDFスタックで7つのオープンウェイトモデルの1つを駆動するオフザシェルコーディングエージェントが、単一の意図の文から実際の提出された財務文書の1ドル、日付、宛先をモデルではなくルールによってランク付けするかどうかを確実に測定する。
1,750個以上の細胞、1,419個 (81.1%) が検証を満足しており、808個 (46.2%) は可視、局所化、書体整合、原値の文書化を全て残している。
モデルを持たない決定論的スクリプトは125の文書の98を解き、エージェントは124を解き、スクリプトは単独で解決する。
エージェントは間違った編集の41%を誤って報告し、モデルは拒否されず、最も安い検証された偽造品は2.4セントだった。
原価は脅威を約2倍に超過し、厳格なレートは依然として大きい。
関連論文リスト
- A Governance-Aware Large Language Model Orchestrated Agentic Digital Twin for Transmission System Operator Control Room Decision Support [0.0]
本稿では,トランスミッショングリッド制御のためのガバナンス対応ディジタルツインを提案する。
大きな言語モデルはホワイトリストの分析ツールを選択・パラメータ化するのみである。
提案されたすべてのアクションは、モデルをバイパスできないガバナンス層を通過します。
論文 参考訳（メタデータ） (2026-09-18T18:35:57Z) - StateAct: Program State, before Pixels, for Long-Horizon Computer-Use Agents [55.650871465979066]
StateActはコードファーストでマルチエージェントのハーネスであり、この区別に基づいて構築されている。
そのメインエージェントは、コードを使用してプログラム状態と直接連携する。
専用のGUIサブエージェントは、必要ないくつかのサブゴールでスクリーンショットとクリックのインタラクションを処理する。
論文 参考訳（メタデータ） (2026-07-24T14:17:03Z) - aiAuthZ: Off-Host, Identity-Bound Authorization for AI Agents [0.0]
エージェントのホストから安全判断を移動させる認証ゲートウェイであるaiAuthZを紹介します。
各決定はSHA-256ハッシュチェーン監査ログに参加し、受信メッセージはHMAC認証QRレシートを生成する。
残りの攻撃成功率は15モデルすべてで0%となり、0.03ミリ秒以上の決定遅延は発生しない。
論文 参考訳（メタデータ） (2026-07-06T18:00:49Z) - CFAgentBench: A Reproducible Environment and Benchmark for Autonomous Construction-Finance Agents [0.0]
CFAgentBenchは、自律的な建設ファイナンスエージェントのベンチマークである。
8つのドメインと77のファミリーにまたがる1014のマシングレード可能なタスク仕様を含んでいる。
最強のエージェントはpass1 = 0.67に達するが、pass5 = 0.38のみである。
論文 参考訳（メタデータ） (2026-06-20T11:34:52Z) - LACUNA: Safe Agents as Recursive Program Holes [3.2613419151327343]
LLMエージェントはますますコードを記述することで振る舞うが、エージェントを駆動するランタイムとモデルが記述するコードの間には分割が持続する。
我々は、安全性を維持しながら、この分割を閉じるエージェントのためのプログラミングモデルであるLACUNAを紹介する。
我々のプリミティブは、通常の制御フローとしてReActループ、サブエージェント、スキル、並列分解、マルチモデル計画を表現する。
論文 参考訳（メタデータ） (2026-05-27T15:27:25Z) - Multimodal Multi-Agent Ransomware Analysis Using AutoGen [1.096626056612224]
このフレームワークは数千のランサムウェアと良質なサンプルを含む大規模なデータセットで評価された。
単一モダリティと非適応核融合ベースラインを上回り、マクロF1で最大0.936の改善を達成している。
100エポック以上では、エージェントフィードバックループは安定な単調収束を示し、エージェントの品質の面では+0.75以上の絶対的な改善をもたらす。
論文 参考訳（メタデータ） (2026-01-28T08:02:37Z) - Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。
モデル、足場、ベンチマークにまたがる3次元解析を行う。
私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
論文 参考訳（メタデータ） (2025-10-13T22:22:28Z) - On the Resilience of LLM-Based Multi-Agent Collaboration with Faulty Agents [58.79302663733703]
大規模言語モデルに基づくマルチエージェントシステムは、専門家エージェントの協力により、様々なタスクにまたがる優れた能力を示している。
不器用なエージェントや悪意のあるエージェントが与える影響 - システム全体のパフォーマンスにおいて、頻繁にタスクでエラーを犯すものは、いまだに過小評価されていない。
本稿では,下流タスクにおける障害要因下での各種システム構造のレジリエンスについて検討する。
論文 参考訳（メタデータ） (2024-08-02T03:25:20Z)
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。