論文の概要: ReCast: Contract-Preserving Protection for Fixed-Interface Multimodal Reasoning
- arxiv url: http://arxiv.org/abs/2610.01184v1
- Date: Thu, 01 Oct 2026 07:00:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-03 01:19:23.954669
- Title: ReCast: Contract-Preserving Protection for Fixed-Interface Multimodal Reasoning
- Title（参考訳）: ReCast: 固定面マルチモーダル推論のためのコントラクト保存保護
- Abstract要約: ReCastは、タスク関連関係と必要な入力モダリティを保持しながら、ソース固有のコンテンツを置き換える。
4000のChartQAとNMSQAの例では、ReCastは75.10%の精度で保護されていないリモート精度の92.43%を維持している。
- 参考スコア（独自算出の注目度）: 27.3522376943031
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Remote multimodal models offer strong numerical reasoning capabilities over charts and speech, but sending private inputs risks exposing sensitive content. Text-only sanitization cannot directly satisfy fixed media interfaces, while identity anonymization leaves the underlying task content exposed. We introduce ReCast, an agentic plug-in framework that replaces source-specific content while preserving task-relevant relations and the required input modality. ReCast locally converts inputs into a shared textual evidence-query record, jointly rewrites entities and topics with a distilled 4B model, and substitutes values through a locally invertible, role-aware numerical map. A reconstruction agent generates and validates the required media from the protected record. The remote solver returns a program whose protected operands are restored locally before execution. On 4,000 held-out ChartQA and NMSQA examples, ReCast achieves 75.10% accuracy, retaining 92.43% of unprotected remote accuracy, while a model-based audit flags source-content leakage in 7.95% of solver-bound requests. It outperforms all evaluated local baselines, preserving the benefit of remote reasoning while reducing source-content exposure under existing media interfaces.
- Abstract（参考訳）: リモートマルチモーダルモデルは、チャートや音声よりも強力な数値推論機能を提供するが、機密コンテンツに影響を及ぼすリスクをプライベートな入力を送信する。
テキストのみのサニタイズは固定メディアインタフェースを直接満たすことはできないが、IDの匿名化は基礎となるタスク内容を露出させる。
本稿では,タスク関連関係と必要な入力モダリティを保ちながら,ソース固有のコンテンツを置き換えるエージェントプラグインフレームワークReCastを紹介する。
ReCastは、入力を共有テキストのエビデンス-クエリレコードに変換し、蒸留された4Bモデルでエンティティとトピックを共同で書き直し、局所的に可逆でロール対応の数値マップを通じて値を置換する。
再構成エージェントは、保護された記録から必要なメディアを生成し、検証する。
リモートソルバは、保護されたオペランドが実行前にローカルに復元されるプログラムを返す。
4000件のChartQAとNMSQAの例では、ReCastは75.10%の精度を達成し、保護されていないリモート精度の92.43%を維持している。
評価されたすべてのローカルベースラインを上回り、リモート推論の利点を保ちながら、既存のメディアインターフェースでのソースコンテンツ露出を減らす。
関連論文リスト
- Learning to Refer: Client-Resolved Generation for Privacy-Aware Language Models [28.622636023401228]
クラウドベースの大規模言語モデル(LLM)では、ユーザはサービスプロバイダにデータを公開し、機密ドメインのプライバシリスクを発生させる必要がある。
本稿では,サーバサイド生成と入力内容の語彙的実現を分離するジェネラオンインタフェースであるクライアント-解決生成(CRG)を紹介する。
このインターフェースは、トレインイングと推論の両方の間、プライベート入力とインプットから出力されるコンテンツを保護すると同時に、サービスプロバイダが独自のモデルパラメータをクライアントから隠蔽することを可能にする。
論文 参考訳（メタデータ） (2026-09-26T15:13:58Z) - RefactorPlatform: An Open-Source Harness for Controlled Evaluation of Repository-Scale Refactoring Agents [0.09320657506524148]
RefactorPlatformは、環境を固定し、各設計軸を変化させるオープンソースの評価ハーネスである。
各実行は、ライブ端末ストリーミング、トークン、差分、およびトランスクリプトのタスクごとのロギング、ASTベースの検証、監査と再生のためのエクスポート可能なテレメトリを備えた、独立したワークスペースで実行される。
論文 参考訳（メタデータ） (2026-09-04T08:58:10Z) - 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) - LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。
我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-26T12:13:05Z) - Architectural Backdoors in Vision-Language Model Supply Chains via Representation Steering [9.737607721974664]
ビジョン-言語モデル(VLM)はモデルサプライチェーンを通じてますます展開される。
本稿では,VLMサプライチェーンにアーキテクチャバックドアを埋め込むことで,悪意のあるプロバイダがこの信頼境界を活用できることを示す。
論文 参考訳（メタデータ） (2026-07-28T09:12:11Z) - R^3: Composed Video Retrieval via Reasoning-Guided Recalling and Re-ranking [73.0537447183962]
本稿では、Reasoning-guided Recalling and Re rankを中心に構築されたゼロショット合成ビデオ検索パイプラインを提案する。
モデルは、編集を適用した後、期待されるターゲットビデオを記述する推論トレースを生成する。
この課題に対処する上で,本手法の有効性を実証した。
論文 参考訳（メタデータ） (2026-05-31T09:20:53Z) - RepoMirage: Probing Repository Context Reasoning in Code Agents with Perturbations [51.43574078961796]
本稿では,SWE-Bench Verified上に構築された2段階評価スイートRepoMirageを紹介する。
RepoMirage-Perturbは、リポジトリレベルの摂動を保存する3つのタイプのセマンティクスを適用している。
RepoAnchorは、下流の問題解決からリポジトリの探索を分離する構造第一のプロトタイプワークフローである。
論文 参考訳（メタデータ） (2026-05-25T06:26:43Z) - Agentic Peer-to-Peer Networks: From Content Distribution to Capability and Action Sharing [10.47562113256175]
本稿では,このようなコラボレーションの実現に必要なネットワーク基盤について概説する。
本稿では,接続/ID,意味発見,実行を分離する平面型参照アーキテクチャを提案する。
Tier1は評判信号に依存し、Tier2はフォールバック選択で軽量なカナリアチャレンジ応答を適用し、Tier3は署名されたツールレシートやトラスのようなエビデンスパッケージを必要とします。
論文 参考訳（メタデータ） (2026-03-04T05:58:44Z) - Anchored Decoding: Provably Reducing Copyright Risk for Any Language Model [99.16364381244445]
現代の言語モデル(LM)は、トレーニングデータの一部を記憶し、動詞のスパンを出力する傾向がある。
提案するAnchored Decodingは,動詞の模倣を抑えるためのプラグアンドプレイ推論時間法である。
本手法は,著作権リスクとユーティリティの長期評価において,6組のモデルペアで評価する。
論文 参考訳（メタデータ） (2026-02-06T19:00:14Z) - Backdoor Collapse: Eliminating Unknown Threats via Known Backdoor Aggregation in Language Models [75.29749026964154]
Ourmethodは、複数のベンチマークで平均的な攻撃成功率を4.41%に下げる。
クリーンな精度と実用性はオリジナルのモデルの0.5%以内に保存される。
防衛はさまざまな種類のバックドアをまたいで一般化し、実際のデプロイメントシナリオにおける堅牢性を確認します。
論文 参考訳（メタデータ） (2025-10-11T15:47:35Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳（メタデータ） (2024-05-01T12:03:39Z)
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。