論文の概要: StateWise: Diagnosing and Repairing Persistent Operational State Before Agent Actions

• arxiv url: http://arxiv.org/abs/2610.05241v1
• Date: Sun, 04 Oct 2026 14:12:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 22:24:31.741539
• Title: StateWise: Diagnosing and Repairing Persistent Operational State Before Agent Actions
• Title（参考訳）: StateWise: エージェントアクション前の永続的な操作状態の診断と修復
• Abstract要約: 動作実行前に永続的な動作状態の診断と修復を行うためのフレームワークであるStateWiseを提案する。 腐敗した永続状態の下では、StateWiseは93.3%の全体的な正当性を達成するが、ベースラインエージェントは38.7%で安全でない。
• 参考スコア（独自算出の注目度）: 40.67530816009153
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LLM agents combine reasoning, tool use, and persistent memory to support work across tasks by reusing stored operational records as premises for later actions. However, environmental or requirement changes can invalidate these records, while existing action review, provenance tracking, and clarification mechanisms may leave the underlying persistent state uncorrected. Our audit of coding-agent trajectories identifies candidate failure chains in which invalid records are reused, leading to task failures and unsafe modifications. We propose StateWise, a framework for diagnosing and repairing persistent operational state before action execution. StateWise uses record-level counterfactual replanning to identify decision-critical records, then establishes their current validity through reliability checks, read-only verification of machine-observable facts, and targeted clarification of developer-owned intent. Typed evidence grounding binds evidence to specific records and scopes, enabling persistent corrections with repair lineage. The agent then replans from the repaired state, followed by an independent state-action check before execution. We evaluate StateWise on 150 executable coding-agent cases across diverse runtime environments, workspace configurations, and repository settings, complemented by cross-model evaluations. Under corrupted persistent state, StateWise achieves 93.3% overall correctness, compared with 38.7% for the baseline agent, with no unsafe actions. Component ablations, multi-task experiments, and transfer evaluations further demonstrate effective recovery, persistent corrections, and transferability across repositories and tool interfaces.
• Abstract（参考訳）: LLMエージェントは推論、ツール使用、永続メモリを組み合わせて、後のアクションの前提として格納された運用レコードを再利用することでタスク間の作業をサポートする。 しかし、環境や要件の変更はこれらのレコードを無効にすることができるが、既存のアクションレビュー、プロファイランス追跡、明確化メカニズムは、根底にある永続的な状態を未修正のままにしておくことができる。 符号化エージェントトラジェクトリの監査では、不正なレコードが再利用される候補の故障連鎖を特定し、タスクの障害や不正な修正につながる。 動作実行前に永続的な動作状態の診断と修復を行うためのフレームワークであるStateWiseを提案する。 StateWiseは、決定クリティカルなレコードを識別するために、記録レベルの反ファクトリプランニングを使用して、信頼性チェック、マシン観測可能な事実の読み取り専用検証、開発者が所有する意図の明確化を通じて、現在の妥当性を確立する。 型付きエビデンス基盤は、特定の記録とスコープに証拠を束縛し、修復系統による永続的な修正を可能にする。 その後、エージェントは修復された状態から再計画し、実行前に独立した状態アクションチェックを行う。 我々は、さまざまなランタイム環境、ワークスペース設定、リポジトリ設定にまたがる150の実行可能なコーディングエージェントケース上でStateWiseを評価し、クロスモデル評価によって補完する。 腐敗した永続状態の下では、StateWiseは93.3%の全体的な正当性を達成するが、ベースラインエージェントは38.7%で安全でない。 コンポーネントの短縮、マルチタスクの実験、転送評価はさらに効果的なリカバリ、永続的な修正、リポジトリとツールインターフェース間の転送可能性を示している。

関連論文リスト

• Safety Must Survive Self-Improvement: Why Failures Persist and How Agents Recover [25.659991228025433]
  再帰的自己改善(RSI)により、エージェントは世代毎に有用な変更を実行できる。 我々は、ステートフルな認証タスクの制御テストベッドを通じてこれらの課題を研究する。
  論文  参考訳（メタデータ） (2026-10-01T05:13:51Z)
• DAAF: From Failure Localization to Editable System Assets in LLM Agents [27.35823188666524]
  フェールローカライゼーションメソッドは、エージェントや実行トレースにエラーが現れる場所を特定することができるが、修復には別の決定が必要である。 我々は,このギャップを,実行場所ではなく,バージョン管理されたアドレス可能な項目を対象とするコンポーネント属性障害属性を通じて検討する。 本研究では,有効な属性置換の効果を学習し,この介入証拠をデプロイ時の診断に保存する検出・認識フレームワーク(DAAF)を提案する。
  論文  参考訳（メタデータ） (2026-09-26T11:39:00Z)
• Inquesto Score: A reliability Protocol For Voice Agents [53.4810159595586]
  Inquesto Score(IS)は、音声エージェントの信頼性を、固定バージョン評価集団における呼び出しの割合として測定するプロトコルである。 タイミングの失敗、セマンティック、および状態依存の失敗は、シナリオ述語、ツールトレース、ピン留めされたオープンモデル判定を用いて評価される。 Inquesto Score v0.1は、基準音声エージェントシステムの13構成に対して、30のシナリオ、3つの音響条件、4つの話者グループ、306の呼び出しを評価する。
  論文  参考訳（メタデータ） (2026-09-24T20:07:53Z)
• Recoverability as a System Primitive for Long-Horizon AI Agents [5.008310199603767]
  再利用を明示的な決定とするシステムプリミティブとして,リカバリビリティを導入する。 4つの決定論的ファイルと20のペアファイルの課題は、正確な復元と完了が許可されていない開始点を隠蔽できることを示している。
  論文  参考訳（メタデータ） (2026-09-12T02:54:33Z)
• Safety in Self-Evolving Agents: A Survey [65.20955577335691]
  大きな言語モデル(LLM)は強力な汎用能力を示すが、そのパラメータは通常、デプロイ後に固定され、新しいインタラクションからの学習が制限される。 経験が再利用可能な状態になり、過去の出来事が将来の原因になり、ある文脈で無害な情報が後により大きな永続性、権威、あるいは範囲で決定に影響を与える可能性がある。 私たちは、再利用可能な影響を特定する移行中心のフレームワークであるSAVERを導入し、Adaptationは変更の仕方を捉え、Violationは破損した安全属性を特定し、障害が観測可能な露出マークを識別し、Responseは封じ込め、修復、取り消しを評価します。
  論文  参考訳（メタデータ） (2026-09-08T05:04:40Z)
• 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)
• 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)

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。