論文の概要: What a Policy Gate Can and Cannot Know: Measured Boundaries of Cross-Platform Command Adjudication
- arxiv url: http://arxiv.org/abs/2610.05246v1
- Date: Sun, 04 Oct 2026 14:23:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 22:24:00.785271
- Title: What a Policy Gate Can and Cannot Know: Measured Boundaries of Cross-Platform Command Adjudication
- Title（参考訳）: 政策ゲートは何ができるのか、知らないのか:クロスプラットフォーム・コマンドの判断境界の測定
- Abstract要約: シェル構文を解析しないポリシーゲートについて検討する。
型付き、実現されたアクションを消費し、ALLOW、ASK、DENYを決定する。
私たちは、それがいかに忠実に判断するか、翻訳を生き残るのか、そして、システムが使われるにつれて、決定が手頃な価格のままであるかどうかを尋ねる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Gateways that adjudicate an agent's actions before they execute are only as good as their understanding of the action. We study a policy gate that never parses shell syntax: it consumes a typed, realised action (verb, operands, resolved zones, program-object identity) and decides ALLOW, ASK or DENY. Working on a Linux twin of the Windows benchmark of our previous study [1], we ask how faithfully it adjudicates, what survives translation, and whether deciding stays affordable as the system is used. A frozen 61-case table scores 61/61 in two rounds with no false allow; a 50-operator mutation campaign kills 46 of 50 mutants (92.0%), with all four surviving mutants classified. An 82-row audit yields 43 re-expressions, 21 carrier differences, 16 study-specific inapplicable rows and two unresolved cases; of 25 rows labelled "no counterpart," four remain unmapped here. Consulted by the executor, 25 escapes become zero with no benign payload blocked. In an exploratory one-gateway snapshot, three unauthenticated endpoint labels produce case-level non-refusal majorities of 81.8-98.0%, but immediate-execution majorities of 4.0-52.5%. Adjudication reads no accumulating state; credential verification does, scanning its whole ledger. We report that cost and the fix we would make.
- Abstract（参考訳）: エージェントが実行する前にエージェントのアクションを指示するゲートウェイは、アクションに対する理解と同じくらいよい。
我々は、シェル構文を解析しないポリシーゲートについて研究し、型付き、実現されたアクション(動詞、オペランド、解決されたゾーン、プログラムオブジェクトの同一性)を消費し、ALLOW、ASK、DENYを決定する。
以前の研究でWindowsベンチマークのLinuxツインに取り組んでいました。[1] では、それがいかに忠実に判断するか、翻訳を生き残るのか、そして、システムの使用とともに決定が手頃な価格のままであるかどうかを尋ねます。
凍結した61ケースのテーブルは2ラウンドで61/61点を偽りの許可なくスコアし、50回のミュータント・キャンペーンでは50のミュータントのうち46名(92.0%)が死亡し、4つのミュータントが全て分類された。
82行の監査では43行の再表現、21のキャリア差、16の学習固有の適用不可能な行、2つの未解決ケースがあり、25行のうち4行は未マッピングのままである。
実行担当者が提案した25のエスケープは、良質なペイロードをブロックせずにゼロになる。
探索的な1ゲートウェイのスナップショットでは、3つの認証されていないエンドポイントラベルがケースレベルの非拒否的多数が81.8-98.0%であるが、即時実行的多数が4.0-52.5%である。
判断は蓄積状態を読み取ることなく、クレデンシャル検証を行い、台帳全体をスキャンする。
私たちはそのコストと修正を報告します。
関連論文リスト
- Where the Numbers Come From: Auditing Evaluation in Provenance-Based Intrusion Detection [42.49426058823369]
証明に基づく侵入検知器のスコアを再現しても、そのアラームの出力やエンコーダが使用する情報についてそのスコアが何を言っているかは定かでない。
我々は、リリースした9つの実装を監査し、独自のコードを使用して4つの検出器を実行し、3つの測定効果を分離する。
論文 参考訳（メタデータ） (2026-09-27T13:01:02Z) - SINGED: Correct Outputs Do Not Certify Safe Execution in LLM Agents [23.280592496381256]
ツールを使用する言語モデルエージェントは、サードパーティのアーティファクトを選択して実行する。
要求された出力に対して良質な代替品と一致するが、タスク契約によって禁止される効果を付加する実装について検討する。
SINGEDはランク、エビデンス、選択に敏感な結果と実行のギャップを露呈する。
論文 参考訳（メタデータ） (2026-09-27T06:37:04Z) - Reward Hacking Challenges Oversight of Autonomous Research Agents [104.38175629103235]
自律的な研究エージェントは実験を設計し、結果を評価し、レポートを書き、科学的結果とそれを支持する証拠の両方を制御できる。
これは、意図した目標を達成することなく、報酬基準を満たす、報酬ハックのリスクを生み出す。
そこで本研究では,ハッキングが許可された場合,その方法がいかに効果的かつ検出可能か,LCMレビューパネルが意思決定と理由を返却した場合にどのように適応するか,などについて検討する。
論文 参考訳（メタデータ） (2026-09-23T17:54:01Z) - Silent Success: A Release Gate That Passed on Checks It Never Ran, and Eight More [2.1944266018812875]
プロダクションリリースパイプラインのブロッキング品質ゲートがPASSを報告し、1つのサブゲートが2つのチェックのいずれかを実行せず、もう1つは8つのチェックのうち6つを実行した。
9つのケースが提示されるのは、このカテゴリの新規性ではなく、治療の収束、9つの異なる質問の欠落、1つの行動、1つのクエリ、コマンド、比較によって答えられる9つのケースのうち7つである。
論文 参考訳（メタデータ） (2026-09-23T02:17:17Z) - FinalityBench: An Effect-Level Benchmark for Agent Decisions Under Delayed and Conflicting Financial Finality [1.350933217151331]
FinalityBenchは、ファイナリティゲーティング決定のための実行可能なベンチマークである。
グラディングは実行された金銭的効果に基づいており、あるエピソードは商人の経済的な立場によって記録される。
権威的ファイナリティプローブ上の不可逆的なアクションをゲーティングするランタイムは85.4%に達し、全てのポーリングポリシーとは異なり、パス5には何も失われない。
論文 参考訳（メタデータ） (2026-09-04T04:24:10Z) - The Recall Trap: A Recall-Maximizing Retriever Configuration Reduces Issue Resolution in Fixed-Budget Code Context [45.88028371034407]
コード修復における制御ケーススタディを報告し,新しい現象ではない。
私たちは、同じスタック上の1つのフラグ(1チャンク毎の重複)を切り替えます。
BM25(3.2pp、重要なパラダイム間相互作用)を逆転させる。
厳格な固定予算では、ファイルごとのハードダイドプリケートや、タスクに対するA/Bパッケージングポリシは、メトリックフラグを調整しないことが示されます。
論文 参考訳（メタデータ） (2026-08-14T19:22:50Z) - 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) - Reason Less, Verify More: Deterministic Gates Recover a Silent Policy-Violation Failure Mode in Tool-Using LLM Agents [1.6567880228735357]
ポリシーを許容する環境では、対応する状態遷移がドメインポリシーによって禁じられている場合であっても、ツールはよくできた呼び出しを実行できる。
我々は、この障害モードを2ドルの航空会社ドメインで研究する。
我々は、決定論的かつリードオンリーの事前実行ゲートという、軽量な介入を評価する。
論文 参考訳（メタデータ） (2026-07-08T13:38:54Z) - SNARE: Adaptive Scenario Synthesis for Eliciting Overeager Behavior in Coding Agents [40.270213696031625]
符号化エージェントは、シェル、ファイル、ネットワークアクションのシーケンスとして良質なタスクを実行する。
プロンプトは敵ではなく、実行は成功しますが、スコープ外ステップでは認証情報をリークしたり、ファイルを削除することができます。
既存のベンチマークでは、タスク補完スイートは、完了した実行を承認し、jailbreakスイートは、逆のプロンプトをプローブし、以前のオーバーイーガーベンチマークは、各エージェントモデルペアに単一の固定プロンプトを適用する。
再利用可能なスコープから良性シナリオを構成するパイプラインであるSNAREを提案する。
論文 参考訳（メタデータ） (2026-05-27T08:14:07Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z)
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。