論文の概要: AI Harness: Certification under Proposal-Conditioned Information for Foundation-Model Agents
- arxiv url: http://arxiv.org/abs/2609.32184v1
- Date: Sat, 26 Sep 2026 03:19:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 19:11:49.403888
- Title: AI Harness: Certification under Proposal-Conditioned Information for Foundation-Model Agents
- Title（参考訳）: AIのハーネス:基礎モデルエージェントの提案された情報に基づく認証
- Abstract要約: デプロイされたシステムでは、モデルがセマンティック提案を発行した後のみ、ランタイムが介入する可能性がある。
我々は,この構造を州のみの提案封筒に崩壊させることで,セルティフィビリティを損なうことなく,提案のカバレッジを維持することができることを示す。
我々の貢献は、新しい定点計算ではなく、モデル境界における提案-履歴相関が証明に必要である場合の特徴である。
- 参考スコア（独自算出の注目度）: 1.4323566945483497
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Foundation-model agents are often modeled as policies over an observed state. In deployed systems, however, a runtime may intervene only after the model has emitted a semantic proposal, making the proposal both an action candidate and a decision-time observation generated by a history-conditioned process. We show that collapsing this structure into a state-only proposal envelope can preserve proposal coverage while destroying certifiability. In a finite robust interface, the viability kernel of the collapsed model is contained in the physical projection of the history-augmented kernel, and the collapse is lossless exactly when every proposal-conditioned collapsed fiber retains a common robust-safe intervention. This gap can be maximal even with constant-size proposal and history alphabets. The same common-action condition yields a dual result: observing the current proposal can restore robust feasibility when it separates latent modes requiring incompatible interventions. We extend these one-step results over time using exact finite beliefs and standard safety and reachability fixed points, separating indefinite operational viability from finite worst-case verified progress. Controlled model-in-the-loop tests reproduce the predicted obstructions when telemetry or effect verification is removed or intervention authority is restricted. Thus, our contribution is not a new fixed-point calculus, but a characterization of when proposal--history correlation at the model--tool boundary is necessary for certification.
- Abstract（参考訳）: ファンデーションモデルエージェントは、しばしば観察された状態に対するポリシーとしてモデル化される。
しかし、デプロイされたシステムでは、モデルがセマンティックな提案を発行した後のみランタイムが介入し、その提案はアクション候補と履歴条件付きプロセスによって生成された決定時間観察の両方である。
我々は,この構造を州のみの提案封筒に崩壊させることで,セルティフィビリティを損なうことなく,提案のカバレッジを維持することができることを示す。
有限ロバストインタフェースでは、崩壊したモデルの生存カーネルは、履歴強化されたカーネルの物理投影に含まれており、全ての提案条件の崩壊したファイバーが共通のロバストセーフな干渉を保持する場合、その崩壊は正確に損失のない。
このギャップは、定数サイズの提案や履歴アルファベットであっても最大である。
現在の提案を観察することで、互換性のない介入を必要とする潜伏モードを分離した場合、堅牢な実現性を取り戻すことができる。
厳密な有限の信念と標準の安全性と到達可能性の固定点を用いて、これらの一段階の結果を時間をかけて拡張し、不確定な運用可能性と有限の最悪の検証された進捗を分離する。
制御されたモデル・イン・ザ・ループ試験は、テレメトリや効果検証が削除されたり、介入権限が制限されたりした場合に予測された障害を再現する。
このように、我々の貢献は新たな定点計算ではなく、モデル-ツール境界における提案-履歴相関が証明に必要である場合の特徴付けである。
関連論文リスト
- Protected Cores Are Not Enough: Certifying AI-Proposed Revisions of Temporal Specifications [0.0]
我々は、信頼できないAI提案者が時間的仕様修正を提案し、象徴的な知事がそのアクティベーションを制御するシンボリックアーキテクチャを導入する。
制御された合成実験では、凍結された教師付きAIプロジェクタを使用して、マスクされたコアの障害を1つの決定で説明し、繰り返し支配された修正を繰り返します。
論文 参考訳（メタデータ） (2026-09-27T11:13:45Z) - Selective Commitment for Language-Guided Object Retrieval under Partial Observability [1.582181611732474]
部分的な可観測性の下での言語誘導オブジェクト検索では、より多くの証拠を集め、現場と対話し、候補者をつかむか、棄権するかを決定する必要がある。
参照コンテナに関連する対象を検索するために,これらの決定をコーディネートするクローズドループフレームワークを提案する。
論文 参考訳（メタデータ） (2026-09-19T16:59:07Z) - Certifying Plans under Model Mismatch: A Trilemma for Reachability from Scarce Data [5.455772242709494]
シモン・トゥ・リアル・ポリシーは、名目力学の下で設計されているが、ターゲット・システム・トライアルは、わずかに孤立した1段階の遷移をもたらす。
本研究では,学習ポリシによって生成されるアクションチャンクなど,固定制御シーケンスの事前実行認証について検討する。
論文 参考訳（メタデータ） (2026-08-03T16:28:26Z) - Non-Parametric Rehearsal Learning via Conditional Mean Embeddings [88.89267783967263]
本研究では,不必要な未来(AUF)問題をテキスト化するための非パラメトリックリハーサル学習手法を提案する。
具体的には、カーネル機械を用いてAUFの目的を、動作誘起分布変化から所望性モデリングを遠ざける統一表現に再構成する。
論文 参考訳（メタデータ） (2026-05-09T15:30:52Z) - CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。
現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。
提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
論文 参考訳（メタデータ） (2026-05-08T06:40:24Z) - When Verification Fails: How Compositionally Infeasible Claims Escape Rejection [30.404615085122046]
既存の検証ベンチマークでは,厳密なクレーム検証と簡易な塩分制約依存を区別できないことを示す。
有意な制約が支持されるが、非有意な制約が矛盾する場合に、構成的に不可能なクレームを構築する。
モデル間の差は,基礎的推論能力よりも検証しきい値の差を反映していることを示す。
論文 参考訳（メタデータ） (2026-04-13T04:48:20Z) - Feasibility Preservation under Monotone Retrieval Truncation [0.12183405753834557]
本研究では,構造的観点からの検索について検討し,クエリ応答をトランケーション下で実現可能な問題としてモデル化する。
個々の問合せに対する有限可視性を保証するために, 単調トランケーションが十分であることを示す。
さらに,非単調なトランケーション,非有限生成クエリクラス,純粋にスロットワイズなカバレッジの失敗を示すシャープな反例を示す。
論文 参考訳（メタデータ） (2026-01-21T18:25:16Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳（メタデータ） (2025-06-25T07:04:49Z) - Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。
この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。
本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-06-08T04:09:13Z) - BSN++: Complementary Boundary Regressor with Scale-Balanced Relation
Modeling for Temporal Action Proposal Generation [85.13713217986738]
我々は,時間的提案生成のための補完的境界回帰器と関係モデリングを利用する新しいフレームワークであるBSN++を提案する。
当然のことながら、提案されたBSN++は、時間的アクションローカライゼーションタスクに関するCVPR19 - ActivityNetのリーダーボードで1位にランクインした。
論文 参考訳（メタデータ） (2020-09-15T07:08:59Z)
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。