論文の概要: Policy-as-Skill: Governed LLM Decision Support with Evidence, Deterministic Control, and Audit

• arxiv url: http://arxiv.org/abs/2609.27087v1
• Date: Tue, 22 Sep 2026 21:39:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.778001
• Title: Policy-as-Skill: Governed LLM Decision Support with Evidence, Deterministic Control, and Audit
• Title（参考訳）: 政策・アズ・スキル:エビデンス、決定論的制御、監査によるLLM意思決定支援
• Abstract要約: Policy-as-Skill (PaS)はモジュール型ランタイムで、実行可能なバージョン管理されたポリシー機能として機能をパッケージ化する。 PaS+Auditは精度53.8%、マクロF1 0.346、レビューF1 0.854、引用精度1000、ポリシー参照リコール0.984、監査完全性1000を達成している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Organizations increasingly use LLMs for policy, compliance, risk, and operational decision support, requiring evidence validation, review routing, version control, and auditability. We introduce Policy-as-Skill (PaS), a modular runtime that packages these functions as executable, versioned policy capabilities. Thirteen methods are evaluated with a fixed Gemma4 backend on 600 development tasks. PaS+Audit achieves 53.8% exact accuracy, macro-F1 0.346, review F1 0.854, citation precision 1.000, policy-reference recall 0.984, and audit completeness 1.000, outperforming LLM+RAG on most governance and review metrics. Deterministic control raises aggregate accuracy to 61.2% but is strongly task dependent, supporting selective rather than universal rule-based intervention.
• Abstract（参考訳）: 組織は、ポリシー、コンプライアンス、リスク、運用上の決定サポートにLSMを使い、エビデンス検証、レビュールーティング、バージョン管理、監査性を必要としている。 これらの機能を実行可能なバージョン管理されたポリシ機能としてパッケージ化するモジュールランタイムであるPolicy-as-Skill(PaS)を紹介します。 13のメソッドが600の開発タスクで固定されたGemma4バックエンドで評価される。 PaS+Auditは53.8%の精度、マクロF1 0.346、レビューF1 0.854、引用精度1.000、ポリシー参照リコール0.984、監査完全性1.000を達成し、ほとんどのガバナンスとレビューの指標でLLM+RAGを上回っている。 決定論的制御は集合精度を61.2%に上げるが、強いタスク依存であり、普遍的な規則に基づく介入よりも選択的に支援する。

関連論文リスト

• Structured Decomposition for Reliable LLM-Generated Access Control Policies [1.7730529654659213]
  自然言語アクセス制御ポリシー(NLACP)をオープンポリシーエージェント(OPA)用の実行可能なRegoコードに変換するシステム システムは、人間可読アクセス要件と機械強化型ポリシー・アズ・コード(PaC)のギャップを埋めるように設計されている システムはエンドツーエンドのポリシー修正率を50.3%、ベースラインは15.3%で3.3倍改善している。
  論文  参考訳（メタデータ） (2026-09-21T03:02:03Z)
• RobustSGPO: Search-Space Control for Agent Harness Evolution [56.722805974785125]
  我々は、要求された編集、構成、パッチのチェックを指定し、既存のスナップショットまたは保持スナップショットからの検索を継続するRobustSGPOを紹介した。 我々は,120タスク,95ラン,7350の候補を用いて,AgentXブレインストーミングワークフローにおけるパーミッションスケジューリング,累積制御,タスクファミリー転送を評価した。
  論文  参考訳（メタデータ） (2026-09-09T03:00:03Z)
• Mastermind: Strategy-grounded Learning for Repository-Scale Vulnerability Reproduction [62.42945715963878]
  リポジトリレベルの脆弱性の再現は、要求の多いソフトウェアエンジニアリング(SE)タスクである。 最近のLLMエージェントは、アプローチが正しい場合、しばしばこれらのステップを実行するが、間違った戦略を選択することで失敗する。 本論では, アクションの完全な軌跡ではなく, 戦略がSEエージェントの適切な学習単位であることを論じる。
  論文  参考訳（メタデータ） (2026-07-02T06:27:27Z)
• SafePyramid: A Hierarchical Benchmark for In-context Policy Guardrailing [25.10453609307193]
  現実世界のアプリケーションでは、ガードレールはアプリケーション固有の安全ポリシーに従って、安全でないユーザモデルインタラクションを識別することがしばしば期待される。 本研究は,保護レールがコンテキストに規定されたポリシー仕様に基づいて安全違反を予測する,コンテキスト内ポリシーガードレールのパラダイムの下で,この設定について検討する。 SafePyramidは、10のドメインに1000のマルチターン会話と3,000の対応するアプリケーション固有のポリシーからなる安全ベンチマークであり、61,699の異なる自然言語規則を含んでいる。
  論文  参考訳（メタデータ） (2026-06-29T07:27:22Z)
• APEX: Adaptive Policy Execution for Precise Manipulation [17.137901655707616]
  我々は、ポリシーとコントローラ間の実行ギャップを埋めるために、適応ポリシー実行(APEX)を提案する。 APEXはポリシー出力から動的に実行可能な参照を再構築し、低レベルの状態フィードバックに従ってテスト時に適応する。 コントローラによるトラッキングエラーをデモのリプレイで41.2%削減し、4つのビジュモータとVLAポリシークラスで4.8-25.8ポイントの操作成功を改善する。
  論文  参考訳（メタデータ） (2026-06-15T10:06:40Z)
• Trace2Policy: From Expert Behavior Traces to Self-Evolving Decision Agents [5.689042186242701]
  企業の専門家が暗黙的に適用する決定ルールは、反復的エラー分析によって体系的に回復し、改善することができる。 基本機構は textbfEISR である textbfTrace2Policy について述べる。 各ラウンドは検証セット上でルールを実行し、ルート原因によるエラーをMISSING、WRONG、CONFLICTタイプにクラスタし、ターゲットパッチを適用し、レグレッションゲートを通過するもののみをコミットする。
  論文  参考訳（メタデータ） (2026-06-09T06:05:29Z)
• Verifier-First Evaluation of Agentic LLMs for Infrastructure-as-Code Generation [0.0]
  自然言語からインフラストラクチャ・アズ・コード(IaC)を生成するには、プロバイダのスキーマ、依存関係の計画、組織的なポリシの制約を満たす必要がある。 Rego v1ポリシを備えた186タスクのAWS/TerraformベンチマークであるIaC-Eval v2で評価されたTerraform生成のための7つのエージェント戦略に関する検証初の実験的研究を示す。
  論文  参考訳（メタデータ） (2026-05-29T12:43:27Z)
• SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
  SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。 提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。 我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
  論文  参考訳（メタデータ） (2025-03-11T17:53:02Z)
• Zero-Shot Strategies for Length-Controllable Summarization [56.15356055672189]
  大規模言語モデル(LLM)は、特にゼロショット設定において、正確な長さ制御に苦しむ。 本研究では, LLMの長さ制御能力を複数の尺度で評価し, 制御性向上のための実用的手法を提案する。 LLaMA 3 を用いて行った実験では,測定値間の長さの密着性の違いが明らかになり,モデル固有のバイアスが強調された。
  論文  参考訳（メタデータ） (2024-12-31T02:53:27Z)
• Policy Search for Model Predictive Control with Application to Agile Drone Flight [56.24908013905407]
  MPCのためのポリシ・フォー・モデル・予測制御フレームワークを提案する。 具体的には、パラメータ化コントローラとしてMPCを定式化し、パラメータ化の難しい決定変数を高レベルポリシーとして表現する。 シミュレーションと実環境の両方において,我々の制御器が堅牢かつリアルタイムに制御性能を発揮することを示す実験を行った。
  論文  参考訳（メタデータ） (2021-12-07T17:39:24Z)

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。