論文の概要: Does an Agent's History Tell You When Compaction Will Hurt? A Modest, Bounded Effect on the TRACE Paired-Replay Corpus

• arxiv url: http://arxiv.org/abs/2610.08722v1
• Date: Tue, 06 Oct 2026 17:26:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:30.148373
• Title: Does an Agent's History Tell You When Compaction Will Hurt? A Modest, Bounded Effect on the TRACE Paired-Replay Corpus
• Title（参考訳）: コンパクト化がいつ終わるか、エージェントが教えてくれる? TRACE Paired-Replay Corpusに対する、質素でバウンドな効果
• Abstract要約: TRACEの公開コーパスは590のハーネスで実行されたAppWorld圧縮境界である。 境界前の歴史は、反競争後の害を弱くしか予測しない。 最良の拡張プロトコールトリガーはAUROC 0.66に到達し、同じ境界の0.72の複製を保ち、最も凍った解釈可能なトリガーは有害な(正のバーデン)境界の21%を避ける。
• 参考スコア（独自算出の注目度）: 4.008486665405814
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many long-horizon agents compact their context on a global rule, usually a token budget, blind to what the agent was doing. We ask whether the agent's recent behaviour predicts when a compaction will hurt. TRACE's public corpus of 590 harness-triggered AppWorld compaction boundaries replays each boundary from a re-executed prefix state under the pre-compaction context and under the summary, and records the burden of the next actions: calls that error or repeat a call already made. We find that pre-boundary history predicts post-compaction harm only weakly. An internally prespecified contrast by prefix placement is a wide null, and the naive "has-written" label behind it turns out to measure trajectory phase. The best extension-protocol trigger reaches held-out AUROC 0.66 (0.64 on the replicate's own label) against a same-boundary replicate of 0.72; the best frozen, interpretable trigger avoids 21% of harmful (positive-burden) boundaries while keeping 84% of compaction opportunities, and exceeds the random-rule expectation on count but not on burden mass (a post hoc comparison). Whether the best trigger beats a token-budget rule at matched retention cannot be evaluated on the release. We state what corpora should ship to answer it.
• Abstract（参考訳）: 多くのロングホライゾンエージェントは、グローバルなルール(通常はトークンの予算)でコンテキストをコンパクトにし、エージェントが何をしているかを無視した。 エージェントの最近の動作が圧縮がいつ傷つくかを予測するかどうかを問う。 TRACEの公開コーパス590のハーネストリガー付きAppWorld圧縮バウンダリは、プレコンプリートコンテキストの下で再実行されたプレフィックス状態から各バウンダリをリプレイし、次のアクションの負担を記録する。 境界前の歴史は、反競争後の害を弱くしか予測しない。 プレフィックス配置による内在的に規定されたコントラストは広いヌルであり、その裏にある「ハスライト」ラベルは軌道位相を測定することが判明した。 最高の拡張プロトコールトリガーは、AUROC 0.66(複製自身のラベルでは0.64)と、同じ境界の0.72の複製に対して到達し、最も凍った解釈可能なトリガーは、圧縮機会の84%を維持しながら有害な(正のバーデン)境界の21%を回避し、カウントに対するランダムルル予想を超過する(ポストホック比較)。 ベストトリガーが一致した保持でトークン予算ルールを破るか否かは、リリースでは評価できない。 私たちはそれに答えるためにどのコーポラを出荷すべきかを述べています。

関連論文リスト

• Blocking at the Boundary: Auditing Long-Horizon Agents against Staged Prompt Injection [10.519665216212976]
  間接的なプロンプトインジェクションはタスク固有のコンテキストを活用でき、因果的に接続されたステージを伝播し、ワークフローが継続している間に連続的なアクションを変更する。 自動でフィードバックを誘導する攻撃生成パイプラインを構築し、ネイティブランタイムのClaude CodeとCodexに適用します。 提案するPath-Aligned Attribution (PAA) は,動作中の動作を操作要素に分解し,各値のそれぞれをトレースし,各決定を導出する訓練不要監査機である。
  論文  参考訳（メタデータ） (2026-10-04T12:14:19Z)
• Measuring Collapse and Correction in Homogeneous-Panel LLM Debate [51.03982042769297]
  マルチエージェント大言語モデル(LLM)の議論は、最終回答が改善するかどうかによってしばしば評価されるが、運動は必ずしも改善されない。 標準的な最終精度評価は、これらの反対のメカニズムを詳述する。 複数選択質問(MCQ)に関する同質な議論のための監査可能なプロトコルを導入し、各実行を、崩壊、修正、オンセット、署名された介入ユーティリティよりも、遷移台帳として記録する。
  論文  参考訳（メタデータ） (2026-09-28T14:31:19Z)
• DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
  ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。 直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。 メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
  論文  参考訳（メタデータ） (2026-09-23T03:06:01Z)
• Cross-Session Decomposition Attacks: Scaling Risk and Intent-Aligned Retrieval Defense [49.05879299987137]
  言語モデリングの損失の低減は、より有用なモデルを生み出します。 本研究は,このメカニズムの安全性について,独立した相互作用を通じて,良質なサブクエリが要求され,後に禁忌の対象へと再帰される,エンフクロス・セッション分解攻撃(enmphcross-session decomposition attack)における研究である。 我々は、この設定をEmphcompositional safety riskとして定式化し、条件付きリスク-転送境界を証明する。
  論文  参考訳（メタデータ） (2026-08-28T05:39:29Z)
• 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)
• Dead text or binding clause? Measuring and restoring constraint influence in black-box LLM dialogues [0.0]
  マルチターンダイアログは、ユーザが制約を課すのと同じくらい簡単に取り消すことができるが、取り消しが確実に効果を発揮できない。 既存の手段では、条項ごとにこの影響を測定したり、納品前に予測したり、整合した予算の下で修復したりすることはない。 sysnameはモデルAPIだけで3つのギャップを埋める。
  論文  参考訳（メタデータ） (2026-08-12T21:12:32Z)
• TraceCompiler: Skill-Guided Mining and Compilation of LLM Agent Traces into Mostly Deterministic Workflows [2.435006380732194]
  ノイズの多いトレースをトラジェクトリにコンパイルする,スキルガイドシステムであるTraceCompilerを提案する。 あらゆるハードエッジは監査可能な証拠を持ち、あいまいな関係が疑われる。 コールの削減を計測するが、オフラインのコンパイルコストはかからない。
  論文  参考訳（メタデータ） (2026-08-03T01:05:06Z)
• Doomed from the Start: Early Abort of LLM Agent Episodes via a Recall-Controlled Probe Cascade [14.63102636181275]
  大規模言語モデル(LLM)エージェントは、既に失敗する運命にある複数ステップの軌道を継続することで、推論計算を無駄にすることが多い。 隠れ状態プローブを用いたLSMエージェントの早期故障予測と推定時早期停止について検討した。 LLMエージェント推論コストを削減するために,この信号をリコール制御された中止カスケードに変換する。
  論文  参考訳（メタデータ） (2026-07-07T17:03:55Z)
• Self-Compacting Language Model Agents [44.3231488987671]
  SelfCompactは、モデル自体がいつ、どのようにコンパクトになるかを決定できる足場である。 微調整や外部の監督なしに、効果的な適応圧縮を付与する。 以上の結果から,SelfCompactはトークンコストのごく一部で,固定区間の要約と一致するか,あるいは超えていることがわかった。
  論文  参考訳（メタデータ） (2026-06-22T16:08:34Z)
• TwinGate: Stateful Defense against Decompositional Jailbreaks in Untraceable Traffic via Asymmetric Contrastive Learning [60.68349524623048]
  分解されたジェイルブレイクは、大きな言語モデルにとって重大な脅威となる。 我々はステートフルなデュアルエンコーダ防御フレームワークであるTwinGateを紹介する。 我々は、8600の異なる悪意のある意図にまたがる360万以上の命令の包括的なデータセットを構築した。
  論文  参考訳（メタデータ） (2026-04-30T13:44:01Z)

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。