論文の概要: CausalLoss-Fin: Attributing Financial-Agent Loss to Decisions and Infrastructure Faults

• arxiv url: http://arxiv.org/abs/2609.25960v1
• Date: Tue, 22 Sep 2026 10:16:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.316487
• Title: CausalLoss-Fin: Attributing Financial-Agent Loss to Decisions and Infrastructure Faults
• Title（参考訳）: CausalLoss-Fin: 意思決定とインフラストラクチャ障害による財務的損失
• Abstract要約: 支払い例外を扱うエージェントが金銭を失うと、エージェントステップの帰属法は、そのアクションの1つとして、そのエージェントステップの帰属法と比較する。 我々は、障害プロセスが明示的で再生可能なベンチマークを取り、各エピソードの実現したデリバリスケジュールを名前に分解し、個別に修正可能なメッセージを作成し、エージェントの選択とインフラストラクチャの両方に介入する。
• 参考スコア（独自算出の注目度）: 1.350933217151331
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When an agent handling a payment exception loses money, the agent-step attribution methods this paper compares against will name one of its actions. They will do so even when a settlement message was dropped and the agent never had a chance: they intervene on agent actions and do not expose infrastructure faults as intervenable variables, so every dollar they explain is charged to a decision. We take a benchmark whose fault process is explicit and replayable, decompose each episode's realised delivery schedule into named, individually repairable messages, and intervene on both the agent's choices and the infrastructure's. A telescoping identity splits any policy's loss exactly three ways: an infrastructure effect, a policy differential against the best implementable policy, and a reference-policy residual. Two of the three can be negative, so none is a share; Shapley then divides the first into signed allocations over individual messages. One result is structural and needs no corpus: an agent-only baseline identifies no infrastructure cause, because its model contains no variable that could name one. What 545 planted episodes across 3 policies measure is the size of that consequence. It misfiles 100% of infrastructure episodes and charges $114,383.40 to the agent. Repairing what it names recovers 0.0% of the available loss; repairing a minimal sufficient set recovers 100.0%. Scoring messages one at a time is not merely imprecise: 27.8% (95% CI: 23.3--32.3%) of episodes do not decompose additively. We evaluate deterministic programmatic policies rather than language-model agents, which is what makes replay exact and which limits external validity to stochastic agents. The prevalence figures are properties of this generator, not field rates.
• Abstract（参考訳）: 支払い例外を扱うエージェントが金銭を失うと、エージェントステップの帰属法は、そのアクションの1つとして、そのエージェントステップの帰属法と比較する。 エージェントはエージェントのアクションに介入し、インフラストラクチャの障害を解釈可能な変数として公開しないので、説明されるすべてのドルは決定に責任を負う。 我々は、障害プロセスが明示的で再生可能なベンチマークを取り、各エピソードの実現したデリバリスケジュールを名前に分解し、個別に修正可能なメッセージを作成し、エージェントの選択とインフラストラクチャの両方に介入する。 テレスコープのアイデンティティは、インフラストラクチャ効果、最良の実装可能なポリシーと異なるポリシー、参照政治残余の3つの方法を正確に分けている。 3つのうち2つが否定的になり得るため、共有は行われない。 1つの結果は構造的であり、コーパスを必要としない:エージェントのみのベースラインは、そのモデルが1つを指定できる変数を含まないため、インフラストラクチャーの原因を特定できない。 3つのポリシーで545エピソードを植えたのが、その結果の大きさです。 インフラストラクチャーのエピソードの100%を偽造し、エージェントに14,383.40ドルを請求する。 名前の修復は可利用損失の0.0%を回復し、最小限の十分なセットの修復は100.0%を回復する。 27.8%(95% CI: 23.3-32.3%)のエピソードは追加的に分解しない。 我々は、言語モデルエージェントよりも決定論的プログラムポリシーを評価し、リプレイを正確にし、確率的エージェントに対する外部の妥当性を制限する。 頻度図は、フィールドレートではなく、このジェネレータの特性である。

関連論文リスト

• If Agents Were Angels, No Governance Would Be Necessary: Out-of-Band Policy Enforcement at a Trusted Tool Boundary [0.07499722271664146]
  Out-of-Band Policy Enforcement (OBPE)は、エージェント推論以外の信頼できる境界である。 OBPEは型付き操作とリソースを許可し、バックエンド呼び出しの前にクエリを絞り込み、それからレコードとフィールドをフィルタリングし、レスポンスの値にマスクを付ける。
  論文  参考訳（メタデータ） (2026-08-27T19:35:48Z)
• Governance at the Boundary: How Agent Decomposition Degrades Policy Compliance [6.411104724993454]
  金融エージェントの統治可能性のベンチマークであるFiducia-benchを紹介します。 エージェントは、そのガバナンスを劣化させるのか? あるコンポーネントによって発見されたポリシー関連事実は、それらに作用しなければならないコンポーネントに到達する前に、ハンドオフ境界で減衰される。
  論文  参考訳（メタデータ） (2026-08-17T03:31:59Z)
• The LLM Proposes, the Executive Disposes: A Self-Verifying Agent Instrument that Dissociates Commitment Drift from Binding Drift in Long-Horizon Agents [0.0]
  本稿では,ポストホックではなく構造的検証を行うためのエージェント機器を提案する。 組織ごとの書き込みエラー、レンダリングサイズ、あるいは塩漬けのカナリアエチョフロアが破られた場合、実行はすべて無効になる。 長期のエージェントが苦しむたびに、クリーンでシングル変数の結果が報告される。
  論文  参考訳（メタデータ） (2026-08-04T15:10:37Z)
• SARC-DQ: Runtime Data-Quality Gating for Agentic AI: Silent Evidence Defects, the Incompetence Shield, and Downstream-Only Remediation [0.0]
  最も危険なエンタープライズの欠陥はメタデータに依存している。 有能なエージェントは、注入されたメタデータに作用する欠陥を、約60%のコストのかかるアクションに変換する。 下流のみのメタデータ対応のプリアクションゲートは、その述語カバーの信号で完全に損失を回復する。
  論文  参考訳（メタデータ） (2026-07-28T22:22:52Z)
• Protocol-Level Attacks on Agentic Commerce Platforms: A Cross-Platform Taxonomy, AIP-Bench, and Unified Defense [0.0]
  我々は、エージェントと商業サービスの間のプロトコルにおいて、より連続的なリスクが1層下にあることを示す。 3つの主要なプラットフォームで、デプロイされたモデルに関係なく、それぞれが決定的に成功する、33の脆弱性を特定します。 そのうちの3つは、エンドツーエンドの支払いハイジャックにチェーンする。
  論文  参考訳（メタデータ） (2026-07-23T21:21:01Z)
• ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
  $textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。 Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:20:51Z)
• See Less, Drive Better: Generalizable End-to-End Autonomous Driving via Foundation Models Stochastic Patch Selection [51.59559387222532]
  エンドツーエンド自動運転の最近の進歩は、パッチアライメント機能で訓練されたポリシーが、アウト・オブ・ディストリビューション(OOD)よりも一般化していることを示している。 我々は、より堅牢で、一般化可能で、効率的な学習ポリシーのためのシンプルで効果的なアプローチである2.4-Patch-Selection(SPS)を提案する。
  論文  参考訳（メタデータ） (2026-01-15T18:58:33Z)
• 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。