論文の概要: The Last Human Gate: Forward Deployed Engineering for Governance Automation
- arxiv url: http://arxiv.org/abs/2609.29345v1
- Date: Thu, 24 Sep 2026 10:17:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.840694
- Title: The Last Human Gate: Forward Deployed Engineering for Governance Automation
- Title（参考訳）: 最後のヒューマンゲート: ガバナンス自動化のための前方展開エンジニアリング
- Abstract要約: 企業ガバナンスには決定、証拠、説明可能な権限が必要です。
デジタルガバナンスフレームワーク(DGF)のためのタスク代替フレームワークの開発
代替には十分なアクセス可能な情報、有効な決定と権限チェック、例外、検証、修正、保守後の人事全体の削減が必要である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Enterprise governance requires decisions, evidence, and accountable authority; it does not require every review task to retain its current human implementation. We develop a task-substitution framework for Digital Governance Frameworks (DGF), treating each gate as an executable contract. Substitution requires sufficient accessible information, valid decision and authority checks, and a reduction in total human work after exceptions, verification, correction, and maintenance are counted. We derive a residual-work threshold and show why automating most cases can still increase labor. Forward deployed engineering connects these conditions to an architecture for agents, rule engines, evidence services, and escalation. DGF-Bench supplies controlled evidence from 300 synthetic projects and 899 evaluable model-project runs. Gemini 3.8 Flash, GPT-5.6 Luna, and DeepSeek v4.1 Flash achieve strict gate success of 94.98%, 83.29%, and 74.18%; complete-route success is 76.92%, 42.33%, and 24.67%. A deterministic control passes all 1,700 gates given the supplied rules and structured facts, locating the comparison in execution of a supplied decision kernel. Evidence audits and 135 repeated runs distinguish correct decisions from reliable execution. A document counterexample establishes an information-sufficiency obstruction. These results support the technical feasibility of replacing human execution of specified governance-review tasks with agents and software. The framework specifies a workforce test based on the complete human effort required at fixed output and quality; the present measurements concern review performance. Sources, dossiers, traces, and analyses are public.
- Abstract（参考訳）: 企業ガバナンスには決定、証拠、説明可能な権限が必要です。
本稿では,デジタルガバナンスフレームワーク(DGF)のタスク代替フレームワークを開発し,各ゲートを実行可能な契約として扱う。
代替には十分なアクセス可能な情報、有効な決定と権限チェック、例外、検証、修正、保守後の人事全体の削減が必要である。
残作業のしきい値が導出され、ほとんどのケースの自動化が依然として労働力を増加させる理由が示されます。
フォワード展開エンジニアリングは、これらの条件をエージェント、ルールエンジン、エビデンスサービス、エスカレーションのためのアーキテクチャに接続する。
DGF-Benchは300の合成プロジェクトと899の評価可能なモデルプロジェクトのエビデンスを制御している。
Gemini 3.8 Flash、GPT-5.6 Luna、DeepSeek v4.1 Flashは94.98%、83.29%、74.18%の厳格なゲート成功を達成した。
決定論的制御は、供給されたルールと構造化された事実が与えられた1,700個のゲートを全て通過し、供給された決定カーネルの実行において比較を行う。
証拠監査と135回の繰り返し実行は、正しい決定と信頼できる実行を区別する。
文書反例は、情報充足障害を確立する。
これらの結果は、特定のガバナンスレビュータスクのヒューマン実行をエージェントやソフトウェアに置き換える技術的実現性を支持する。
このフレームワークは、固定されたアウトプットと品質に必要な完全な人的労力に基づいて、労働力テストを指定する。
ソース、ドシエ、トレース、分析は公開されています。
関連論文リスト
- Externalizing Requirement-to-Repair Artifacts as Observable Traces for LLM-Based Program Repair [0.0]
THEMISは、セマンティックな解釈を通じて、この要求から回復までのプロセスを外部化する、ステージアウェアな修復ワークフローである。
300のSWE-bench Liteケースの振り返り監査では、これらのアーティファクトが、クロスステージインスペクションに対する広範なサポートを提供することを示した。
論文 参考訳（メタデータ） (2026-09-14T02:01:19Z) - Governing at Machine Speed: An Adaptive Intelligence Architecture for Real-Time AI Policy Enforcement [0.0]
エンタープライズAIの採用は世界中の組織の78%に達しているが、その採用を管理するインフラストラクチャはペースを保っていない。
我々は、リアルタイムAIガバナンスの実施に機械学習を使用するように設計された概念的な5層アーキテクチャであるAGILを提案する。
論文 参考訳（メタデータ） (2026-09-11T19:35:00Z) - IdeaAMBIG: Benchmarking Implementation-Critical Gaps in Research-Idea Specifications [52.570108663867046]
研究のアイデアは、新しく、一貫性があり、科学的に妥当であるが、その提案された手法は、忠実な実装のために不十分に指定されている。
提案手法は,実装を対象とする研究手法仕様の体系化の可否を,有能な実装者やコーディングエージェントに十分な方法論的情報を提供して,前提条件を満たさずに目的とする手法を構築することができるかを検討する。
IdeaAMBIGは660のエビデンス基底インスタンスのベンチマークで、レポートとGitHubの問題から163の現実世界のギャップと、コーディフィケーション対応のリファレンスに注入される合成ギャップを497のコントロールで管理する。
論文 参考訳（メタデータ） (2026-09-09T17:59:04Z) - When Agent Governance Helps [0.0]
Governed Autotelic Multi-Agent Product Organization (GAMPO)は、AIエージェント組織を管理するためのフレームワークである。
我々は、オープンモデルとフロンティアモデルにまたがる長期医療ベンチマークであるCHI-Bench上で、GAMPOの即層インスタンス化を探索する。
コントリビューションは、名前付き、監査可能なフレームワークと、ガバナンスが余分な能力にサイズ化されるべきである、という機能限定の証拠です。
論文 参考訳（メタデータ） (2026-09-02T01:16:39Z) - Grounded Checklist Partial Credit for Agent Skill Trajectories [5.028537745773042]
グラウンドドチェックリスト部分クレジット(GCPC)は、エージェント軌跡の人為的な部分クレジット評価である。
12のタスクから96のトラジェクトリに対する人間の評価は、G CPCが人間の進捗評価とより密接に一致していることを示している。
パイプラインはターミナルベンチやSWEベンチにも移行し、スキル条件による評価を超えた適用性を示す。
論文 参考訳（メタデータ） (2026-08-26T06:17:19Z) - SearchAuditor: Auditing and Attributing Failures in Long-Horizon Search Agents [56.400332595452966]
我々は、監査人が検索エージェントの障害をローカライズ、属性付け、修復できるかどうかを評価するベンチマークであるSearchAuditBenchを紹介する。
SearchAuditBenchは1,243の障害トラックで構成され、平均73.1メッセージと65.1Kトークンを5つのディープサーチベンチマークで8つのオープンウェイトモデルから収集している。
本稿では,検索エージェントの障害を効果的にローカライズ,属性,修復するマルチパースペクティブ監査フレームワークであるSearchAuditorを提案する。
論文 参考訳（メタデータ） (2026-08-05T09:09:00Z) - Power Systems Agent Benchmark: Executable Evaluation of AI Agents in Electric Power Engineering [0.0]
本稿では,パワーエンジニアリングエージェントのベンチマークであるPower Systems Agent Benchmarkを紹介する。
エージェントは構造化されたタスクを受け取り、構造化されたソリューションを返す。
このベンチマークには、電力フローと保護から安定性、マイクログリッド、信頼性、電力品質、予測に至るまで、電力工学の8分野にわたる41のタスクファミリが含まれている。
論文 参考訳（メタデータ） (2026-06-18T21:30:39Z) - ClawForge: Generating Executable Interactive Benchmarks for Command-Line Agents [59.626170560327274]
textbfClawForgeは、ステートコンフリクト下で実行可能なコマンドラインカテゴリのためのジェネレータベースのベンチマークフレームワークである。
私たちはこのフレームワークをClawForge-Bench(17のシナリオ、6の能力カテゴリ)としてインスタンス化します。
論文 参考訳（メタデータ） (2026-05-13T21:34:08Z) - EnactToM: An Evolving Benchmark for Functional Theory of Mind in Embodied Agents [75.01735520608075]
既存のベンチマークは、直観的信念を問うことで、主にリテラル・オブ・マインド(ToM)をテストする。
EnactToMは, 3D 家庭で設定された300個のマルチエージェントタスクの進化ベンチマークである。
ハードスプリットでは、7つの評価されたフロンティアモデルすべてが機能的なタスク完了時に0.0%のPass3を獲得し、リテラルな信念プローブでは平均45.0%であった。
論文 参考訳（メタデータ） (2026-05-11T00:04:19Z) - 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)
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。