論文の概要: Configuration, Not Conscience: A Large-Scale Empirical Study of LLM System Prompts

• arxiv url: http://arxiv.org/abs/2609.31575v1
• Date: Fri, 25 Sep 2026 17:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.524776
• Title: Configuration, Not Conscience: A Large-Scale Empirical Study of LLM System Prompts
• Title（参考訳）: 構成, 良心ではなく: LLMシステムプロンプトの大規模実証的研究
• Abstract要約: 漏洩したシステムプロンプトは、しばしば商用言語モデルの隠れ値のウィンドウとして扱われる。 我々は、4つのコミュニティコレクションからなる62のベンダーから、407の漏洩、再構築、または公式に発行されたシステムプロンプトの統合コーパスを分析した。
• 参考スコア（独自算出の注目度）: 3.1351527202068445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Leaked system prompts are often treated as windows into the hidden values of commercial language models, yet their composition is rarely studied at scale. We analyze a merged corpus of 407 leaked, reconstructed, or officially published system prompts from 62 vendors across four community collections, identifying 29 near-duplicate clusters covering 66 files. Operational content rather than ethical statements dominates the corpus; a deliberately simple block-level classifier assigns roughly 58\% of classified words to tool/protocol and roughly 5\% to safety policy, while the strictest rule-lines guard tool use and file safety over harmful content by an 11:1 margin. Literal text transfer concentrates in a small set of cross-vendor pairs. Prompts also carry measurable maintenance debt, with version chains turning over thousands of words per release. The evidence supports treating leaked prompts as operational specifications, closer to configuration files than value statements, and treats reuse and prompt rot as engineering and supply-chain concerns. Because most documents are adversarial in origin and the detectors are deliberately simple, all magnitudes are directional; we audit the main classifier's error modes.
• Abstract（参考訳）: 漏洩したシステムプロンプトは、しばしば商用言語モデルの隠れ値の窓として扱われるが、その構成は大規模に研究されることは滅多にない。 我々は、4つのコミュニティコレクションにまたがる62のベンダーから、リーク、再構築、または公式に公開されたシステムプロンプト407の統合コーパスを分析し、66ファイルをカバーする29のクラスタを特定した。 故意に単純なブロックレベルの分類器は、分類された単語の約58\%をツール/プロトコールに割り当て、約5\%を安全ポリシーに割り当て、一方、最も厳格なルールラインガードツールの使用は、有害なコンテンツよりも11:1のマージンで安全をファイルする。 リテラルテキスト転送は、クロスベンダペアの小さなセットに集中する。 プロンプトは測定可能なメンテナンスの負債も抱えており、バージョンチェーンはリリース毎に数千語を超える。 このエビデンスでは,リークプロンプトをバリューステートメントよりも構成ファイルに近い運用仕様として扱うことを支援し,再利用とプロンプトをエンジニアリングとサプライチェーンの懸念として扱う。 ほとんどの文書は原文に逆らうものであり、検出器は故意に単純であるため、全ての大きさは方向であり、主分類器のエラーモードを検査する。

関連論文リスト

• The Deception Delta: Adversarial Evaluation of LLM-Based Smart Contract Bytecode Forensics [0.0]
  大規模な言語モデルは、ブロックチェーンの法医学的な調査でますます使われている。 逆行性騙しは ドレインの検出を 20.0ポイント減らす モデルは、隠されたドレインメカニズムを正しく記述するが、契約のフレーミングを受け入れ、それを良心として無視する。
  論文  参考訳（メタデータ） (2026-09-12T18:45:24Z)
• SlotGuard: Stop Oversharing Private Local Context in LLM Agent Transcri [6.776070277138371]
  SlotGuardは、エージェントのパフォーマンスを維持しながら機密データを隠蔽できる、ローカルな転写境界である。 構造的バインディングを型付きサフィックス対応スロットとして書き直し、シークレットをフォーマット保存の合成値に置き換え、クロスターン参照を軽量セッショングラフにリンクし、信頼されたランタイム内でのみ生値を復元する。
  論文  参考訳（メタデータ） (2026-07-19T09:13:08Z)
• AGORA: An Archive-Grounded Benchmark for Agentic Workplace Document Reasoning [52.23991730630292]
  大規模言語モデルは、パラメトリックな知識から答えるのではなく、文書を推論するエージェントとして、ますます多くデプロイされている。 大規模な、散らかった職場ファイルの集合にスパース証拠を配置し、一貫性のない用語、単位、時間規則を調整し、答えを計算する。 私たちは、362の質問と9,664の認証ドキュメントと372Mのトークンの8つのドメインコレクションをペアリングするベンチマークであるAgoraを紹介します。
  論文  参考訳（メタデータ） (2026-06-23T12:57:18Z)
• Towards Retrieving Interaction Spaces for Agentic Search [62.666902610940525]
  最近の直接コーパス(DCI)の研究は、エージェントが5.4のインタラクションやファイル読み取りといったシェルツールを通じて生コーパスと対話できることを示している。 エージェント検索における検索の役割は, LLMコンテキストウィンドウに適合する文書を選択することだけではなく, インタラクション空間を構築することにある。
  論文  参考訳（メタデータ） (2026-06-05T03:47:40Z)
• Agentic Repository Mining: A Multi-Task Evaluation [0.0]
  ソフトウェアリポジトリをマイニングするには、コミット、レビュー、コード行、リポジトリ全体といったアーティファクトをカテゴリに分類する必要があることが多い。 標準的なbashコマンドでレポジトリを動的に探索するLLMエージェントが,プレエンジニアリングコンテキストを受信する単純なLLMの分類品質に適合するかどうかを検討する。
  論文  参考訳（メタデータ） (2026-05-06T12:43:46Z)
• AsmRAG: LLM-Driven Malware Detection by Retrieving Functionally Similar Assembly Code [1.2183405753834562]
  本稿では,AsmRAGについて紹介する。 このシステムは、LLM(Code-specialized Large Language Model)を使用してアセンブリ関数を分析し、それらをセマンティックな埋め込みに変換する。 そこで本研究では,バイナリ内の悪意論理の一次単位を分離し,検証可能な法医学的証拠を抽出し,回避の試みに抵抗する密度重み付きアンカー選択機構を提案する。
  論文  参考訳（メタデータ） (2026-04-25T08:05:50Z)
• Citation-Grounded Code Comprehension: Preventing LLM Hallucination Through Hybrid Retrieval and Graph-Augmented Context [0.0]
  本稿では,検証可能な暗黙的コード理解の実現という課題に対処する。 我々は,BM25スパースマッチング,BGE密度埋め込み,Neo4jグラフ拡張を組み合わせたハイブリッド検索システムを開発した。
  論文  参考訳（メタデータ） (2025-12-13T01:17:10Z)
• SORRY-Bench: Systematically Evaluating Large Language Model Safety Refusal [64.9938658716425]
  SORRY-Benchは、安全でないユーザ要求を認識し拒否する大規模言語モデル(LLM)能力を評価するためのベンチマークである。 まず、既存の手法では、安全でないトピックの粗い分類を使い、いくつかのきめ細かいトピックを過剰に表現している。 第二に、プロンプトの言語的特徴とフォーマッティングは、様々な言語、方言など、多くの評価において暗黙的にのみ考慮されているように、しばしば見過ごされる。
  論文  参考訳（メタデータ） (2024-06-20T17:56:07Z)
• DrAttack: Prompt Decomposition and Reconstruction Makes Powerful LLM Jailbreakers [74.7446827091938]
  我々はjailbreak textbfAttack (DrAttack) のための自動プロンプト textbfDecomposition と textbfReconstruction フレームワークを導入する。 DrAttack には3つの重要な要素が含まれている: (a) プロンプトをサブプロンプトに分解する; (b) セマンティックに類似しているが無害な再組み立てデモで暗黙的にこれらのサブプロンプトを再構築する; (c) サブプロンプトのシンノニム検索する; サブプロンプトのシノニムを見つけることを目的としたサブプロンプトのシノニムを見つけること。
  論文  参考訳（メタデータ） (2024-02-25T17:43:29Z)

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。