論文の概要: Beyond Approved Actions: Runtime Validation of Persistent Outcomes in Agent Workflows

• arxiv url: http://arxiv.org/abs/2609.31301v1
• Date: Fri, 25 Sep 2026 14:11:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.418078
• Title: Beyond Approved Actions: Runtime Validation of Persistent Outcomes in Agent Workflows
• Title（参考訳）: 承認されたアクションを超えて:エージェントワークフローにおける永続的なアウトカムのランタイムバリデーション
• Abstract要約: 実行は、要求された変更を超えて永続的な効果をもたらす可能性がある。 現在のセーフガードは、アクションを承認したり、その余波を記録したりすることができるが、継続前に永続的な結果をチェックすることなく、未承認の結果を成功として受け入れ、後続のステップに伝播することができる。 制御された実行バウンダリ内で永続的な変更を収集するランタイムであるEffectMatchを、アプリケーションが現在の状態と実行に対して承認したものと比較する。
• 参考スコア（独自算出の注目度）: 15.945601536502535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language model agents increasingly act on software systems, no longer merely generating text but also changing databases and online services. However, an approved database update may succeed yet leave an unapproved notification because execution can produce persistent effects beyond the requested change. Current safeguards can approve an action or record its aftermath, but without checking the persistent result before continuation, an unapproved outcome can be accepted as success and propagated to later steps. We present EffectMatch, a runtime that collects persistent changes within a controlled execution boundary and compares them with what the application approved for the current state and execution. The comparison governs commit and dependent execution. In comparative evaluation on 206 public business tasks, EffectMatch preserved all clean executions and prevented all tested incorrect commits. Six 20-run ablations exposed the failure caused by each removed mechanism, while 80 task-topology cases preserved truthful handoffs and blocked invalid continuation. Together, these results show that EffectMatch blocks the silent acceptance and downstream propagation of persistent outcomes inconsistent with application approval.
• Abstract（参考訳）: 大規模言語モデルエージェントは、もはやテキストを生成するだけでなく、データベースやオンラインサービスを変更するだけでなく、ソフトウェアシステムでもますます機能するようになっている。 しかし、承認されたデータベースのアップデートは成功しても、実行が要求された変更を超えて永続的な効果をもたらす可能性があるため、未承認の通知を残すことができる。 現在のセーフガードは、アクションを承認したり、その余波を記録したりすることができるが、継続前に永続的な結果をチェックすることなく、未承認の結果を成功として受け入れ、後続のステップに伝播することができる。 制御された実行バウンダリ内で永続的な変更を収集するランタイムであるEffectMatchを、アプリケーションが現在の状態と実行に対して承認したものと比較する。 比較はコミットと依存実行を支配します。 206のパブリックビジネスタスクの比較評価では、EffectMatchはすべてのクリーンな実行を保存し、テストされたすべての誤ったコミットを防止した。 一方80件のタスクトポロジーケースは真にハンドオフを保存し、無効な継続をブロックした。 これらの結果から,エフェクトマッチはアプリケーション承認と矛盾する持続的な結果の無声受容と下流伝播を阻害することが示された。

関連論文リスト

• When Is an Agent Evaluation Over? Outcome Finality and Cross-Unit Separation [0.0]
  現在のエージェントは、停止した実行の最後に見える状態のスコアモデルを評価し、試行錯誤とみなす。 最終的な結果としてスコアを解釈するには、エンドポイントが必ずしも確立しない2つの条件が必要である。 最終的なラベルは、請求結果がまだ変更可能なものが解決、境界づけられ、不確実性として保持されている場合にのみ正当化される、と私たちは主張する。
  論文  参考訳（メタデータ） (2026-08-14T23:39:47Z)
• Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
  Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。 Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。 500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
  論文  参考訳（メタデータ） (2026-08-01T18:25:00Z)
• PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
  我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。 セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。 SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。 ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
  論文  参考訳（メタデータ） (2026-07-18T04:46:53Z)
• Temporary Authority, Permanent Effects: Commit-Time Authorization for LLM Agents [0.0]
  我々は、過去の権威の証拠がもはや耐久性のある効果を承認しないコミット境界について研究する。 永続的な効果は、その派生した国家をライセンスした証人が、故意に、同じ効果に縛られ、コミット時に資格がある場合にのみ認められる。 CommitGuardは、実行時に証人、依存性、バインディング、および可視性信号が発行される場合に、保護されたコミットサーフェスに対する永続的エフェクトの試みをブロックする。
  論文  参考訳（メタデータ） (2026-07-11T21:48:53Z)
• Cordon: Semantic Transactions for Tool-Using LLM Agents [11.567293065381918]
  本稿では,コミット前にエージェント効果のステージングと検証を行うトランザクションランタイムシステムであるCordonを紹介する。 適度な承認とレイテンシのオーバーヘッドで、良質なタスク補完を保ちながら、不可逆的な効率の失敗を減らす。
  論文  参考訳（メタデータ） (2026-06-16T06:21:14Z)
• Verify-Gated Completion as Admission Control in a Governed Multi-Agent Runtime: A Bounded Architecture Case Study [0.6875312133832079]
  制御されたマルチエージェントランタイムの入出力制御パターンとして,検証ゲート補完について検討する。 観測条件下では,読み取り専用検証ゲートとパケット化入力記録が検査可能で,フェールクロースされた。
  論文  参考訳（メタデータ） (2026-05-18T07:52:13Z)
• 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)
• When Actions Go Off-Task: Detecting and Correcting Misaligned Actions in Computer-Use Agents [50.5814495434565]
  この研究は、コンピュータ利用エージェント(CUA)における不整合検出を定義し、研究する最初の試みである。 実世界のCUAデプロイメントにおける3つの一般的なカテゴリを特定し、人間の注釈付きアクションレベルのアライメントラベルを用いたリアルな軌跡のベンチマークであるMisActBenchを構築した。 本稿では,実行前に不整合を検知し,構造化されたフィードバックによって繰り返し修正する,実用的で普遍的なガードレールであるDeActionを提案する。
  論文  参考訳（メタデータ） (2026-02-09T18:41:15Z)
• DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
  DoVerは、大規模言語モデル(LLM)ベースのマルチエージェントシステムのための介入駆動デバッグフレームワークである。 ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。 DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
  論文  参考訳（メタデータ） (2025-12-07T09:23:48Z)

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。