論文の概要: Subjects, Not Authors: The Authorship Hazard in Agentic Dataspaces
- arxiv url: http://arxiv.org/abs/2609.30614v1
- Date: Thu, 24 Sep 2026 22:58:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.156095
- Title: Subjects, Not Authors: The Authorship Hazard in Agentic Dataspaces
- Title（参考訳）: 著者ではなく主題:エージェントデータ空間における著者の危険
- Abstract要約: データスペースコネクタは、転送される値に含まれているものではなく、転送が発生するかどうかを決定する。
オーサリングハザード:エージェントはガバナンスプレーンの対象であり、その作者ではない。
エージェントドラフトの凍結したコーパスでは、承認なしの公開は80の承認決定を覆す。
- 参考スコア（独自算出の注目度）: 6.128355169490526
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Dataspace connectors decide whether a transfer may occur, not what the transferred value contains, tolerable for contracted applications, not for LLM agents that compose tool calls and spawn sub-agents. Research on agents that generate governance artifacts evaluates output quality; who may authorize an artifact for use falls between that literature and the governance literature, and neither owns it. A published policy is what a dataspace's decision point enforces, so publication is a governance event, and an agent that is both policy subject and policy author writes the norms that bind it. We name this the authorship hazard and state one principle: an agent is a subject of the governance plane, never an author of it. Its authorization channel to publication is closed by construction; its influence channel, drafting what humans approve, is treated as an enforcement problem. On a frozen corpus of agent drafts, publishing without approval reverses 80 authorization decisions, most through drafts that change only a field's sensitivity classification and no policy text; a classifier that reads the policy diff misses every such draft, necessarily. Treating classification as authorship routes them all to review; the registry-held classification this requires is designed and modelled here, not yet implemented in the prototype. At the execution boundary, protected fields reach the model in 105 of 105 cases under prompt-stated duties and in 0 of 105 when the ODRL duty is compiled into an invocation-time tool-call constraint, but where the value is not confined to a named field the compiled condition exposes it in 7 of 7. A centrally provisioned approval pool does not scale to the participant volume that motivates the problem.
- Abstract（参考訳）: データスペースコネクタは、転送される値が含まない、契約されたアプリケーションに対して許容できる、ツールコールを構成し、サブエージェントを生成するLLMエージェントに対して、転送が発生するかどうかを決定する。
ガバナンスアーティファクトを生成するエージェントの研究は、アウトプットの品質を評価します。誰が使用するアーティファクトを認可するかは、その文献とガバナンス文献の間にあり、どちらもそれを所有していません。
公開ポリシーは、データ空間の決定ポイントが強制するものであり、パブリッシュはガバナンスイベントであり、ポリシーの主題とポリシーの著者の両方がそれを束縛する規範を書くエージェントである。
エージェントはガバナンスプレーンの主題であり、それの作者ではないのです。
出版の認可チャンネルは建設によって閉鎖され、人間が承認するものを起草する影響チャンネルは、執行上の問題として扱われる。
エージェントドラフトの凍結されたコーパスでは、承認なしの公開は80の承認決定を逆転させ、ほとんどの場合、フィールドの感度分類だけを変更し、ポリシーテキストを含まないドラフトを通じてである。
オーサシップとして分類を扱い、これらすべてをレビューする。レジストリが保持する分類は、プロトタイプではまだ実装されていないが、ここで設計され、モデル化されている。
実行バウンダリにおいて、保護されたフィールドは、即時的な義務の下で105件中105件、ODRLデューティが呼び出し時ツールコール制約にコンパイルされた場合105件のモデルに到達するが、名前のフィールドに制限されない場合は、コンパイルされた条件が7件の7件に露呈する。
中央に設定された承認プールは、問題を動機づける参加者ボリュームにスケールしない。
関連論文リスト
- A Finger on the Scale: Covert Policy Steering through Agentic Skills [42.71897827897363]
再利用可能なエージェントスキルは、タスクプロシージャ、ツールユースガイダンス、出力制約を備えた大きな言語モデル(LLM)エージェントを拡張する。
我々は、その宣言された機能とユーザ認証された目的と整合し続けるために、スキルによるポリシーを必要とするスキルポリシーの整合性を定式化する。
SkillShiftは、明示的なコマンドインジェクションやタスクハイジャックを使わずに、隠蔽ポリシーステアリングのための制約付きブラックボックスフレームワークである。
論文 参考訳（メタデータ） (2026-09-02T13:15:14Z) - AgentProv: Auditing Agentic LLM API Providers via Tool-use Policy Probes [38.37599802008238]
商用LLM APIは特定の基盤モデルを宣伝するが、提供されたバックボーンは静かに代用され、定量化され、あるいはラップされることがある。
既存の監査はすべて、テキスト出力チャネルからバックボーンアイデンティティを決定する。
本稿では,AgentProv(AgentProv)について紹介する。
論文 参考訳（メタデータ） (2026-08-30T08:22:12Z) - 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) - Separating Disclosure from Authorization: Field-Tier Minimization for Agent Action Mediation [0.0]
動作を認可するシステムは、その決定を十分に確認し、その決定を証明したシステムは監査に十分な記録をしなければならないことを示す。
各アクションクラスではなく、各パラメータフィールドを3つの層に分類する。
台帳のコミットメントは、完全な、最小化されていないパラメータの標準ダイジェストである、という中心的な性質がある。
論文 参考訳（メタデータ） (2026-08-26T07:45:05Z) - Grounded Normative Rule Generation with Structured Search [47.28595196084396]
基底ノルム規則合成(GNRS)として問題を定式化する。
GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。
GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
論文 参考訳（メタデータ） (2026-08-23T05:43:42Z) - Where Accountability Lives: Mapping Human Responsibility to Workflow Artifacts in Agentic Software Development [0.0]
コーディングエージェントの作者、プルリクエストのオープン、プロダクションリポジトリ内のプッシュコード。
アーティファクトを残すワークフローイベント、エージェントによるコーディングツール4つ、および7つのプロバイダによるポリシー文書18つについて、それぞれについて読んでいます。
あるプロバイダは、タスクを割り当てた開発者が結果のプルリクエストを承認することを禁じる。別のプロバイダは、設定されたリスクしきい値以下でプルリクエストを承認し、レビューを無効にできるエージェントを文書化する。
我々は、強制的、助言的、欠落した検証の通常の3方向の区別をグリッドに置き換え、メカニズムがチェックを誰が実行したかで補完するかどうかを区別する。
論文 参考訳（メタデータ） (2026-08-16T11:11:04Z) - LedgerAgent: Structured State for Policy-Adherent Tool-Calling Agents [39.819141036179225]
サービスドメイン内のポリシーに準拠したツール呼び出しエージェントは、ツールを呼び出し、ドメインポリシーに従う間、順番にタスク状態を維持する必要があります。
textscLedgerAgentは、異なる台帳内の観察されたタスク状態を保持し、その状態にプロンプトをレンダリングするツール呼び出しエージェントの推論時メソッドである。
論文 参考訳（メタデータ） (2026-06-18T17:41:56Z) - Can Generalist Agents Automate Data Curation? [58.652262227632406]
トレーニングデータのキュレーションは、現代のAI開発において、もっとも重要だが労働集約的な部分のひとつだ。
一般のコーディングエージェントがこのデータキュレーションループを自動化できるかどうかを問う。
モデル、トレーニングレシピ、評価スイートを修正するエージェント中心のベンチマークである*Curation-Bench*を紹介します。
論文 参考訳（メタデータ） (2026-06-02T22:26:53Z) - Do Coding Agents Understand Least-Privilege Authorization? [14.240332406666779]
我々は、現在のモデルが認証境界自体を推測できるかどうか検討する。
We show that frontier model often off permissions by the execution chain while giving unuseed or sensitive accesss。
そこで我々は,まずカバレッジ指向のポリシを生成し,各エントリをグラウンドと感度で監査する,十分性-高度分解法を提案する。
論文 参考訳（メタデータ） (2026-05-14T14:05:58Z) - AgentPack: A Dataset of Code Changes, Co-Authored by Agents and Humans [46.56091965723774]
コード編集のための微調整された大きな言語モデルは、一般的にコミットのマイニングやプルリクエストに依存しています。
我々は、Claude Code、OpenAI Codex、Cursor Agentが共著した1.3Mコード編集コーパスであるAgentPackを紹介する。
AgentPackで微調整されたモデルは、以前の人間のみのコミットコーパスで訓練されたモデルより優れていることを示す。
論文 参考訳（メタデータ） (2025-09-26T05:28:22Z)
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。