論文の概要: Beyond Corrected Memory: Execution Consistency in Multi-Agent Systems
- arxiv url: http://arxiv.org/abs/2610.08101v1
- Date: Tue, 06 Oct 2026 10:29:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 02:58:29.934055
- Title: Beyond Corrected Memory: Execution Consistency in Multi-Agent Systems
- Title（参考訳）: 訂正メモリを超える:マルチエージェントシステムにおける実行一貫性
- Abstract要約: 我々は、国家利用、情報ハンドオフ、そして最終状態合意を管理する義務を通じて、実行の一貫性を定義します。
私たちの主張の中核は、同じ保持されたレコードは、同じタスクルールの下での実行に準拠し違反する可能性がある、ということです。
整合性診断と回復のためのフレームワークであるCAVERTを用いて、ログからサポート対象の関係を抽出する。
- 参考スコア（独自算出の注目度）: 42.90481302321822
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Shared memory coordinates agents' actions, but correct records do not establish that those actions satisfy task requirements. Memory governance and failure diagnosis regulate or inspect recorded information; they do not by themselves establish whether it is sufficient to judge task duties. We define execution consistency through duties governing state use, information handoffs, and final-state agreement, with explicit evidence conditions for judging fulfillment. Our core claim is that identical retained records can correspond to compliant and violating executions under the same task rule. Controlled removal of evidence such as receipt, action dependence, or response validity leaves 82.4% of opposite-label pairs indistinguishable; restoration separates 97.9% of the merged pairs. Natural-log annotations identify the defined violations in actual executions. However, existing logs do not always explicitly represent the execution relationships needed for these judgments. To assess the definition's practical value, we use CAVERT, a framework for consistency diagnosis and recovery, to extract supported relationships from logs and apply these criteria. It consistently outperforms contract-prompted LLM and rule-based baselines in diagnosis across all 12 benchmark-executor settings. Under the same gate and executor limits, it also outperforms rule-guided recovery in all four evaluated environments. These findings identify execution evidence that agent-memory and execution interfaces should preserve for reliable judgment.
- Abstract（参考訳）: 共有メモリはエージェントのアクションを調整するが、正しいレコードはそれらのアクションがタスク要求を満たすことを保証しない。
メモリガバナンスと障害診断は記録された情報を規制または検査する。
我々は,充足を判断するための明確な証拠条件を用いて,国家利用,情報ハンドオフ,最終状態合意を規定する責務を通じて,実行の整合性を定義する。
私たちの主張の中核は、同じ保持されたレコードは、同じタスクルールの下での実行に準拠し違反する可能性がある、ということです。
レセプション、行動依存、または応答妥当性などの証拠の制御された除去は、反対ラベル対の82.4%を識別不能にし、修復は合併ペアの97.9%を分離する。
Natural-logアノテーションは、実際の実行で定義された違反を特定する。
しかし、既存のログは必ずしもこれらの判断に必要な実行関係を明示的に表現するわけではない。
定義の実用的価値を評価するために,一貫性診断と回復のためのフレームワークであるCAVERTを用いて,ログからサポート対象の関係を抽出し,それらの基準を適用した。
12のベンチマークエグゼクタ設定すべてで、契約プロンプトのLLMとルールベースのベースラインを一貫して上回ります。
同じゲートとエグゼキュータ制限の下では、4つの評価された環境すべてにおいて、ルール誘導リカバリよりも優れています。
これらの結果は,エージェントメモリおよび実行インタフェースが信頼性のある判断のために保持すべき実行証拠を同定した。
関連論文リスト
- EIO-Agents: The Missing Semantic Layer for AI Agent Evaluation [0.0]
我々は、相互運用可能なAIエージェント評価のためのオープン仕様であるEIO-Agentsを紹介する。
スコアは要約し、解釈し、記録を辿るが、いずれも証拠の意味や証明できるものを定義していない。
AIエージェントがより大きな運用責任を負うようになると、評価はスコアや評決の集まり以上のものでなければならない。
論文 参考訳（メタデータ） (2026-10-06T03:10:53Z) - StateWise: Diagnosing and Repairing Persistent Operational State Before Agent Actions [40.67530816009153]
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。
論文 参考訳（メタデータ） (2026-10-04T14:12:18Z) - Functionally Equivalent or Not? Graph-Grounded Differential Surrogate Execution for Code Equivalence [10.45005458481016]
FEAgentは、型付きプログラムグラフエビデンスと差分代理実行を組み合わせた選択等価評価エージェントである。
そのオラクルに対する不一致はすべて、直接実行によって判断され、ベンチマークラベルと単体テストのみのスコアで見逃された振る舞いの相違が明らかになる。
EquiBenchでは、1200個の評価済みペアのうち216個(18.0%)、SWE-bench Verifiedでは331個のテストパスエージェントパッチ(28.4%)が参照パッチから分岐している。
論文 参考訳（メタデータ） (2026-10-03T08:19:45Z) - CATP: Design and Evaluation of Local Agent Authorization and Audit Evidence [1.2691047660244335]
署名された認可記録は、署名者が主張したものを認証するが、それ自体は、アサーションが実行時決定に使用されるポリシーとアクションに一致することを証明していない。
CATPは、ローカルな実行前決定をオフラインで検証可能な証拠に伝達するために必要な結合を指定する。
論文 参考訳（メタデータ） (2026-09-28T04:06:20Z) - TraceDance: An Automated System for Building Agent Behavior Benchmarks from Real-World Agent Deployment Traces [49.561879967469714]
TraceDanceは、ユーザが指定した望ましくない振る舞いのデプロイメントトレースからターゲットベンチマークを構築するエージェントシステムである。
効率的な構築のために、Anchor-and-Confirmはプログラム可能な検索と、Flash大言語モデルによる候補レベルの確認を組み合わせる。
コーディングと一般的なツールの実験では、252,557のセッションで描画され、ビルドターゲット要求の95.3%を満たす4,125のインスタンスで107のベンチマークを生成する。
論文 参考訳（メタデータ） (2026-09-27T06:58:39Z) - COUNTERMEM: World-Model Verified Counter-Factual Memory for Language Agents [40.59788210629839]
COUNTERMEMは、タスク間で検証済みの反ファクトメモリの構築と使用のための強化学習フレームワークである。
動作が失敗した後、COUNTERMEMは元の状態のコピーまたはリセットからローカル代替品を評価する。
オリジナルと修正されたアクション、チェック結果、再利用条件の改善を格納する。
論文 参考訳（メタデータ） (2026-09-25T18:12:38Z) - MAP-Graph: Provenance-Aware Shared Memory for Multi-Agent Workflows [21.565934900490166]
MAP-Graphは,エージェント,ソース,メモリ,クレーム,アクションを型付き実行グラフで表現するメモリ層である。
祖先を辿り、許可なしのレコードを除外し、意味的類似性と乗法的経路信頼によって資格ある記憶を再引用し、影響された系統を監査するために保持しながら、行動実行前に危険に敏感なゲートを適用します。
論文 参考訳（メタデータ） (2026-08-11T05:31:18Z) - 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) - MemOps: Benchmarking Lifecycle Memory Operations in Long-Horizon Conversations [50.24315431387575]
ライフサイクル操作のシーケンスとして会話メモリを再構成するベンチマークであるMemOpsを紹介する。
MemOpsは、それぞれのメモリイベントをトリガ、ターゲット、スコープ、状態遷移、エビデンスを指定した構造化トレースで表現する。
長いコンテキスト、検索ベース、パラメトリック、マネージドメモリシステムにわたって、MemOpsはファイナ・アンサーの精度のみを隠蔽する障害モードをアンタングルする。
論文 参考訳（メタデータ） (2026-07-14T15:33:44Z) - Can Agent Benchmarks Support Their Scores? Evidence-Supported Bounds for Interactive-Agent Evaluation [8.049844623361725]
インタラクティブエージェントベンチマークは、結果チェックを通じてエージェントの実行をバイナリ結果にマッピングする。
これらのチェックは、表面レベル信号に依存するか、エージェントの実際のアクションパスをキャプチャできない。
既存のベンチマークに対して、結果エビデンスレポート層を導入します。
論文 参考訳（メタデータ） (2026-05-11T12:20:15Z)
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。