論文の概要: A Benchmark and Diagnostic Study of Epistemic Admission in Shared Agent Memory

• arxiv url: http://arxiv.org/abs/2609.30813v1
• Date: Fri, 25 Sep 2026 04:48:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.231234
• Title: A Benchmark and Diagnostic Study of Epistemic Admission in Shared Agent Memory
• Title（参考訳）: 共有エージェント記憶におけるてんかん発症のベンチマークと診断
• Abstract要約: 相関促進ベンチマークは、候補クレームが共有メモリに受け入れられるべきかどうかを評価する。 CPB-Staticは、固定された金の作用を持つ公称のアノテートソースから分離した凍結試験を構成する。 CPB-Liveは共有ストア上で複数のエージェントチームを実行し、すべての書き込みと検索を記録し、各シナリオで定義されたソースの系統を追跡する。
• 参考スコア（独自算出の注目度）: 17.363114597835676
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Evaluating claim admission in shared agent memory is challenging because repeated claims may be mistaken for independent evidence. An agent may copy or paraphrase a retrieved belief, while admitting a false claim exposes subsequent agents to it. To study this problem, we introduce the Correlated Promotion Benchmark (CPB), which evaluates whether candidate claims should be admitted to shared memory.CPB-Static constructs a frozen test split from publicly annotated sources with fixed gold actions. CPB-Live runs multi-agent teams over a shared store, records all writes and retrievals, and tracks source lineage defined by each scenario. A separate consumer answers from the store alone. We evaluate eight admission policies across four agent families. Our results show that policies which deduplicate sources reject many true claims alongside false ones, whereas policies preserving answer coverage admit nearly as many false claims as unrestricted sharing. Gating on declared source type reduces false adoption to 0.06--0.09, compared with 0.22--0.47 for other answering policies. Once an uncontested false belief enters memory, the consumer asserts it in 0.97--0.99 of probes across all families. No non-oracle policy consistently rejects false claims across verbatim copies, paraphrases, and paraphrases declared authoritative. These findings reveal the limitations of admission policies without access to source lineage.
• Abstract（参考訳）: 共有エージェントメモリにおけるクレームの受け入れを評価することは、独立した証拠として繰り返しクレームが誤認される可能性があるため、困難である。 エージェントは、検索された信念をコピーまたは言い換えることができるが、偽のクレームを認めると、後続のエージェントがそれに対して露出する。 CPB-Staticは,ゴールドアクションを固定したアノテートされたソースから分離したフリーズテストを構成する。 CPB-Liveは共有ストア上で複数のエージェントチームを実行し、すべての書き込みと検索を記録し、各シナリオで定義されたソースの系統を追跡する。 別々の消費者が店からのみ答えます。 4つのエージェント・ファミリーにまたがる8つの受け入れ方針を評価した。 以上の結果から、情報源を重複させる政策は偽の主張と並行して多くの真理な主張を拒絶するのに対し、回答のカバレッジを保った政策は、制限のない共有と同じくらい多くの偽の主張を認めることが示唆された。 宣言されたソースタイプでのゲーティングは、他の回答ポリシーでは 0.22--0.47 に対して 0.06--0.09 に偽採用を減らす。 疑わしい偽の信念が記憶に入ると、消費者はそれを全家族にわたる0.97-0.99のプローブで主張する。 言論的コピー、パラフレーズ、そして権威を宣言するパラフレーズにまたがる虚偽の主張を一貫して拒否する非明快な政策は存在しない。 これらの結果から,ソース・ラインへのアクセスを伴わない入場方針の限界が明らかとなった。

関連論文リスト

• Quantifying Overclaiming Propensity in Frontier LLM Agents [20.511162275974087]
  タスク完了を過度に評価するために、フロンティア符号化エージェントの妥当性を定量化する。 我々は、エージェント自身の書き起こしが、それがしていないことを報告する最終回答として、過剰評価を運用している。 OverclaimBenchは 5 つのファイルレビューシナリオと transcript ベースのカバレッジ測定による評価スイートである。
  論文  参考訳（メタデータ） (2026-09-17T17:59:04Z)
• ClaimReceipt: Verifying Evidence Sufficiency and Coverage in Agent Evaluations [0.39287497907611874]
  ClaimReceiptは、型付きトランザクションエビデンスを署名された実験マニフェストにバインドし、クレーム毎にPASS、INVALID、INCONCLUSIVEを返す。 1,392の歴史的買い手-売り手記録では、CR-2検証者は手動でラベル付けされた監査の評定を全て再現し、600の決定論的および762のポストジェネレーションレコードを正確に再生する。 推論の前に30のアサインがコミットされ、端末のレシートが署名され、連鎖され、監査人のためにプライベートエビデンスが暗号化される。
  論文  参考訳（メタデータ） (2026-09-02T02:00:02Z)
• Evidence-Bounded Mental Health Reasoning from Heterogeneous Speech Protocols [14.864712244023307]
  本稿では,プロトコルを意識したエビデンス制御フレームワークであるEvidence Package BenchmarkとEviBoundを紹介する。 EviBoundは5方向の音響コンセンサスを通じてエビデンスツールを編成し、不当な主張を抑えるために境界批評家を強制する。 我々の研究は、より安全なNLP研究のためのエビデンスに一貫性のあるプロトコル対応システムに向けて、制約のない精度を超えて進んでいる。
  論文  参考訳（メタデータ） (2026-08-31T15:58:22Z)
• MELD: A Protocol for Merging Knowledge Across Distributed Agentic Memories [2.2541665241198534]
  MELDは、エージェントメモリのフェデレーションのための自己管理コヒーレンス機構である。 それぞれの脳は5アウトカムの手順で全てのクレームを受信する。 HotpotQAorでは、分散マージが中央集中ストアにリコールされる。
  論文  参考訳（メタデータ） (2026-08-17T10:09:06Z)
• DRNOISE: Benchmarking Deep Research Agents in Misleading Evidence Environments [51.049999642138]
  誤解を招く証拠の下で、回答回復のための100タスクのベンチマークであるDRNOISEを紹介する。 それぞれのタスクは、2つの間接的レコードチェーンが支持する固有の金の答えを持ち、ペアのノイズ条件は競合する答えを直接記述する1つのもっともらしい文書を付加する。 強いクリーンタスク性能を持つエージェント全体で、この単一の介入は66-88ポイントの精度低下を引き起こす。
  論文  参考訳（メタデータ） (2026-07-19T15:20:40Z)
• Auditing Belief-Conditioned LLM Agents in Hidden-Information Social Deduction Games [50.880420636090896]
  9-player Werewolf環境において,隠れた役割に対する外部信頼状態を維持するための監査可能なフレームワークを構築した。 我々は,その効果を関連づけとして報告し,そのメカニズムを未解決として扱う。
  論文  参考訳（メタデータ） (2026-07-12T16:03:30Z)
• When Not to Write Memory: Governing False Promotion from Correlated Agent Traces [10.675009214407185]
  長寿命の言語エージェントは、自身の実行トレースから再利用可能なメモリを書くことが増えています。 重要な安全上の問題は、どのエージェントを覚えるべきかということだが、いつメモリの記述を一切拒否すべきなのか。 我々は、この障害モードをメモリの書き込みパスガバナンス問題として研究する。
  論文  参考訳（メタデータ） (2026-06-30T21:27:41Z)
• The Deliberative Illusion: Diagnosing Factual Attrition and Stance Homogenization in Multi-Agent LLM Deliberation [68.98390038721963]
  問題クリティカルな事実の最大72%を,マルチエージェントによる議論で消し去ることを示す。 保持された証拠は誤解を招くことなく問題を再構築し、最終的なスタンスをベースモデルに固定し、単一の悪意のあるエージェントが誤った情報を共有コンテキストに注入することができる。 我々は、どの事実、不確実性、正当な不一致が相互作用を生き残るかを測定する評価を求める。
  論文  参考訳（メタデータ） (2026-06-02T02:15:40Z)
• Belief Memory: Agent Memory Under Partial Observability [56.41506249481312]
  本稿では,メモリパラダイムを観測毎に1つの結論にシフトし,その確率で複数の結論を導出するBeliefMemを提案する。 BeliefMemは決定論的パラダイムが破棄されるという不確実性を保ち、エージェントが高い信頼を持って行動することを可能にする。 LoCoMoとALFWorldベンチマークの実証的な評価は、限られたデータであっても、BeliefMemが最高の平均パフォーマンスを達成することを示している。
  論文  参考訳（メタデータ） (2026-05-07T02:03:13Z)
• FactReview: Evidence-Grounded Reviews with Literature Positioning and Execution-Based Claim Verification [57.196748998757954]
  本稿では,クレーム抽出,文献位置決定,実行に基づくクレーム検証を組み合わせたエビデンスベースレビューシステムであるFactReviewを紹介する。 FactReviewは論文を提出すると、主要なクレームを特定し、その結果を報告し、論文の技術的な位置を明らかにするために近くの作業を取り出し、コードが利用可能であれば、リリースされたリポジトリを実行する。 その後、簡潔なレビューと、主要な請求を5つのラベルのうち1つに割り当てるエビデンスレポートを生成する。
  論文  参考訳（メタデータ） (2026-04-05T11:45:22Z)

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。