論文の概要: BazaarBench: Delegation Safety in Decentralized C2C Marketplaces Run by LLM Agents

• arxiv url: http://arxiv.org/abs/2610.06748v1
• Date: Mon, 05 Oct 2026 17:26:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 23:08:45.921114
• Title: BazaarBench: Delegation Safety in Decentralized C2C Marketplaces Run by LLM Agents
• Title（参考訳）: BazaarBench: LLMエージェントが実行している分散型C2Cマーケットプレースにおけるデリゲート安全性
• Abstract要約: 本稿では,大言語モデル(LLM)エージェントの安全性を評価するためのC2CマーケットプレースとベンチマークであるBazaarBenchを紹介する。 オーナシップ、アイテム条件、トランザクション間のコミットメントを追跡する。 我々は、通常の命令、期限の圧力、または他のトレーダーを搾取するための敵の指示の下で、5つのモデルを評価する。
• 参考スコア（独自算出の注目度）: 54.5370815419817
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In decentralized consumer-to-consumer (C2C) marketplaces, people list goods, negotiate with strangers, and rate one another, so trust rests on reputation. Large language model (LLM) agents now act for users, raising risks to their money, privacy, and reputation. We introduce BazaarBench, a simulated C2C marketplace and benchmark for evaluating the safety of these agents. It tracks ownership, item condition, and commitments across transactions, combining record checks with rubric-based LLM judgments to identify six failure types across five stages. We run three base markets for 30 simulated days, each with 100 agents using one model and inventories drawn from a public eBay sample. Across 45 continuations, we evaluate five models under ordinary instructions, deadline pressure, or adversarial instructions to exploit other traders. Each continuation runs for seven simulated days from a copy of a market's day-30 state. The tested model controls the same 20 selected agents, retaining their personas, inventories, and histories, while the other 80 keep the base model. All five models attempt to promise the same item to multiple buyers under ordinary instructions. Adding targets and deadlines increases these attempts for every model. Under adversarial instructions, the share of tested sellers' committed transactions completed despite unavailable items or overstated conditions rises from 15.4% to 33.4%, reaching 55.5% for GPT-5.4. Averaged across models and markets, simulated weekly earnings per tested agent rise from USD 20 under ordinary instructions to USD 33 under adversarial instructions. Most of the increase comes from items the sellers never held. We release the simulator, saved market states, evaluation code, and records covering 357,608 agent model calls for evaluating new models and developing safer marketplace agents.
• Abstract（参考訳）: 分散型消費者対消費者市場(C2C)では、人々は商品をリストアップし、見知らぬ人と交渉し、互いに評価し合うので、信頼は評判に左右される。 大規模言語モデル(LLM)エージェントがユーザに対して行動し、金銭やプライバシ、評判に対するリスクを高めている。 我々は,これらのエージェントの安全性を評価するためのシミュレーションC2CマーケットプレースとベンチマークであるBazaarBenchを紹介する。 オーナシップ、アイテム条件、トランザクション間のコミットメントを追跡し、レコードチェックとルーリックベースのLCM判断を組み合わせて、5段階にわたる6つの障害タイプを識別する。 私たちは30日間、3つのベースマーケットを運営しています。それぞれ100人のエージェントが1つのモデルとeBayの公開サンプルから得られた在庫を使っています。 45回の連続で、通常の指示、期限圧力、あるいは他のトレーダーを悪用する敵の指示の下で5つのモデルを評価する。 それぞれの継続は、市場の30日状態のコピーからシミュレーションされた7日間実行されます。 テストされたモデルは、同じ選択された20のエージェントをコントロールし、それらのペルソナ、在庫、履歴を保持し、残りの80はベースモデルを保持します。 5つのモデルは全て、通常の指示の下で同じアイテムを複数の購入者に約束しようとする。 ターゲットと期限を追加することで、すべてのモデルに対するこれらの試みが増加します。 反対の指示のもと、未使用品や過剰な条件にもかかわらず、テストされた販売者のコミット取引のシェアは15.4%から33.4%に上昇し、GPT-5.4は55.5%に達した。 モデルや市場全体で平均して、試験対象者1人当たりの週間利益は、通常指示ではUSD20から、反対指示ではUSD33へと上昇した。 大半は売り手が持たない商品によるものだ。 シミュレーター、保存市場状態、評価コード、および新しいモデルの評価と安全な市場エージェントの開発のための357,608件のエージェントモデルコールをカバーしたレコードをリリースする。

関連論文リスト

• E-Commerce Bench: Evaluating LLM Agents on Long-Horizon Autonomous Business Operation [54.50499240166176]
  E-Commerce Benchは、マルチラウンドのネゴシエーションと動的イベントを1年間のビジネス運用に統合する、最初のオープンソースベンチマークです。 年末の資産を含む7次元にわたる18のフロンティアモデルを評価し,1つのモデルが支配的でないことを発見した。
  論文  参考訳（メタデータ） (2026-08-31T13:03:57Z)
• Agentic Commerce World: An Auditable and Verifiable Environment for Vibe Commerce [83.90449137361595]
  Vibeコマースは、自然言語で購入や販売の目標を表現し、AIエージェントにタスクを委譲することを可能にする。 本稿では,現在進行中の取引にまたがるエージェント評価環境であるAgenic Commerce World(ACWorld)を紹介する。 ACWorldは、共有トランザクション状態を更新する前にエージェントアクションを検証し、結果のインタラクションを記録し、エージェントの振る舞いを監査可能とし、再現性を評価する。
  論文  参考訳（メタデータ） (2026-08-03T16:20:17Z)
• Operating-Layer Controls for Onchain Language-Model Agents Under Real Capital [0.0]
  本研究では,自律型言語モデルエージェントの信頼性について検討する。 当社は, 自己資本管理エージェントを, ユーザの委任から, 行動の迅速化, 評価, 解決に至るまで, 全経路にわたって評価すべきであることを示す。
  論文  参考訳（メタデータ） (2026-04-28T20:10:33Z)
• Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
  数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。 モデル、足場、ベンチマークにまたがる3次元解析を行う。 私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
  論文  参考訳（メタデータ） (2025-10-13T22:22:28Z)
• When Agents Trade: Live Multi-Market Trading Benchmark for LLM Agents [74.55061622246824]
  Agent Market Arena (AMA)は、LLM(Large Language Model)ベースのトレーディングエージェントを評価するための、初めてのリアルタイムベンチマークである。 AMAは、検証済みのトレーディングデータ、専門家チェックされたニュース、および統一されたトレーディングフレームワーク内に多様なエージェントアーキテクチャを統合する。 GPT-4o、GPT-4.1、Claude-3.5-haiku、Claude-sonnet-4、Gemini-2.0-flashにまたがる薬剤を評価する。
  論文  参考訳（メタデータ） (2025-10-13T17:54:09Z)
• QuantAgents: Towards Multi-agent Financial System via Simulated Trading [40.636918662488505]
  QuantAgentsは、シミュレーショントレーディングを統合するマルチエージェントシステムである。 QuantAgentsは、シミュレートされたトレーディングアナリスト、リスクコントロールアナリスト、マーケットニュースアナリスト、マネージャの4つのエージェントで構成されている。 本システムは,実世界の市場におけるパフォーマンスと,模擬取引における予測精度の2つの側面からフィードバックを受けるためのエージェントを動機付けている。
  論文  参考訳（メタデータ） (2025-10-06T09:45:57Z)
• Learning to simulate realistic limit order book markets from data as a World Agent [1.1470070927586016]
  マルチエージェント市場シミュレータは通常、実際の市場をエミュレートするために慎重なキャリブレーションを必要とする。 キャリブレーションの少ないシミュレータは、誤解を招く結果につながる可能性がある。 本稿では,限定注文書市場を正確にエミュレートする世界モデルシミュレータを提案する。
  論文  参考訳（メタデータ） (2022-09-26T09:17:11Z)

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。