論文の概要: Get In, Decide, Prove: A Merchant-Side Readiness Benchmark for Agentic Commerce
- arxiv url: http://arxiv.org/abs/2610.17378v1
- Date: Mon, 12 Oct 2026 20:35:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.451685
- Title: Get In, Decide, Prove: A Merchant-Side Readiness Benchmark for Agentic Commerce
- Title（参考訳）: Get In, Decide, Prove:エージェントコマースのためのマーチャントサイド準備ベンチマーク
- Abstract要約: 本稿では,3つの質問に基づいて構築された商人側のベンチマークを報告し,そのパイロットを報告する。
中心的な測定、意思決定の十分性、具体的な買い手の決定基準は、商人が公表した証拠から決定的、不決定的、あるいは不明であると評価する。
パイロットは、測定が可能であることを示し、それを検証したり、商人をランク付けしたりせず、重量と予測されたクリアリングバンドは結果に対する検証を待つ。
- 参考スコア（独自算出の注目度）: 0.13048920509133805
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents now browse and buy on people's behalf, and benchmarks measure how well the agents perform. Far less is known about the other side of the transaction: whether a merchant's website lets an agent in, publishes terms precise enough to decide a purchase, and leaves evidence of what was agreed. This paper presents a merchant-side benchmark built on those three questions and reports a pilot of it. The central measurement, decision sufficiency, rates each criterion of a concrete buyer mandate (total cost, cancellation or return terms, service date, variant identity) as determinate, indeterminate, or unknown from the merchant's own published evidence. Readiness scores carry their evidence coverage and missingness bounds; access is reported separately for a declared bot, a declared headless browser, and a user-present browser; and each observed term is mapped to the RAILS admissibility class of the evidence that could support it in a dispute. Four large merchants received the full assessment: three refused the declared profiles at their offer pages, and no mandate could be confirmed as met, because each merchant left a total or a refund term undetermined. An access census of 555 sites of merchants that two payment processors publicly name as clients found the home page unreadable to both declared profiles at 105 sites (18.9%). A declared assessment of 330 merchants, scored by deterministic rules without a rater, found that evidence coverage rather than the score decides who can be ranked: 115 merchants (35%) reached the ranking threshold, rankable profiles scored a median of 89 to 90, and material terms was the one pillar well below the others, because the all-in total was decidable at 18 merchants. The pilot shows that the measurements can be taken; it does not validate them or rank merchants, and the weights and the projected clearing band await validation against outcomes.
- Abstract（参考訳）: AIエージェントは、人々の代理として閲覧および購入し、ベンチマークはエージェントのパフォーマンスを計測する。
取引の裏側についてはほとんど知られていない:商人のウェブサイトがエージェントを許可し、購入を決定するのに十分な条件を公表し、合意されたものの証拠を残している。
本稿では,これらの3つの質問に基づいて構築された商人側のベンチマークを報告し,そのパイロットを報告する。
中心的な測定、意思決定の十分性、具体的な買い手委任の基準(トータルコスト、キャンセル又は返却条件、サービス日、変種識別)は、商人自身の公表した証拠から決定的、不確定的又は不明であると評価する。
可読性スコアは、エビデンスカバレッジと不足バウンダリ、宣言されたボット、宣言されたヘッドレスブラウザ、およびユーザ表示ブラウザのアクセスを別々に報告し、各観察された用語は、論争でそれをサポートする可能性のあるエビデンスのRAILS許容クラスにマップされる。
4人の大商人が完全な評価を受けた: 3人の大商人がその申し出のページで宣言されたプロファイルを拒否し、各商人が総数や返金期間を未決定に残したために、合意された委任状は確認できなかった。
取引業者の555のサイトへのアクセス調査によると、2つの決済処理業者がクライアントとして公に名前をつけており、どちらも105のサイト(18.9%)でプロフィールが読めないことが判明した。
決定論的ルールで評価された330人の商人を評価した結果、115人の商人(35%)がランク付け基準に達し、ランク付け可能なプロファイルが89から90の中央値に達した。
パイロットは、測定が可能であることを示し、それを検証したり、商人をランク付けしたりせず、重量と予測されたクリアリングバンドは結果に対する検証を待つ。
関連論文リスト
- AgentHorizon: Evaluating Agentic Judges for Long-Horizon Computer-Use Tasks [67.28108897589799]
AgentHorizonは、1,373のコンピュータ利用タスクのベンチマークである。
同様の(しかし互換性のない)要求を完了したのと、成功した軌道を区別する能力について、審査員を評価した。
我々の最高のエージェント・ジャッジであるGPT-5.5は、AHサブセット上で80.9%のバランスの取れた精度を達成する。
論文 参考訳（メタデータ） (2026-10-08T01:03:48Z) - BazaarBench: Delegation Safety in Decentralized C2C Marketplaces Run by LLM Agents [54.5370815419817]
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。
論文 参考訳（メタデータ） (2026-10-05T17:26:17Z) - Agentic Commerce Bench: Measuring Fraud Detection for Agents That Spend Money [2.7632764922736848]
AIエージェントは、現在、支出権限を保持し、人間の本人確認なしに支払いを和解している。
適切なドメイン、正しい解決アドレス、真に提供されたサービスは、必要以上に料金を請求することができる。
我々はその損失を計測・低減するための3つの工芸品を提示する。
論文 参考訳（メタデータ） (2026-09-27T00:58:39Z) - Persuaded, Not Informed: Incentive-Misaligned Witnesses Defeat In-Context Grounding [0.0]
より強力なモデルで対処されていない障害モードを特定します。
文脈が楽観主義へのインセンティブを持つ当事者による主張を含む場合、モデルはこの主張を証拠として扱い、明確化は会社の記録を容認できないとみなす。
論文 参考訳（メタデータ） (2026-09-23T23:52:24Z) - APort Vault: Benchmarking AI Agent Payment Authorization with the Open Agent Passport [0.0]
APort Vaultは、ツールを使用するAIエージェントの支払い認可のためのベンチマークである。
公開イベント中、人間によるライブ支払いエージェントに対する4,371件の攻撃をリプレイする。
評価毎に5つの異なる事象を報告します。なぜなら、それらを崩壊させるのは、エージェントベンチマークが、レビューを生き残らない数を生成する方法です。
論文 参考訳（メタデータ） (2026-09-18T17:58:10Z) - Measuring Proof Burden in Public Bounty Listings: A RentAHuman Case Study [0.3384279376065155]
人間を雇うためのAIエージェントの場所として公表された2026年の市場であるRentAHumanで、広告付き要求証明の負担を計測する。
我々は、労働者が提出したり経験したりするものではなく、リスティングが要求するものを研究する。
論文 参考訳（メタデータ） (2026-08-19T05:08:21Z) - 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) - Paying to Know: Micro-Transaction Markets for Verified Product Information in Agentic E-Commerce [4.655159257282136]
エージェントネイティブのマイクロペイメントレールの到着は、不足しているものを変えると論じる。
我々はエージェント型電子商取引を、検証情報のためのマイクロ取引市場として想定する。
論文 参考訳（メタデータ） (2026-06-23T16:42:21Z) - FIKA-Bench: From Fine-grained Recognition to Fine-Grained Knowledge Acquisition [54.31138496553705]
日常生活におけるきめ細かい認識は、しばしばクローズドブックの分類問題ではない。
既存のベンチマークは主に視覚的認識を評価しており、このアクティブな外部知識獲得能力は過小評価されている。
そこでは,システムが外部の証拠を探し,検証し,利用し,オープンエンドのきめ細かい認識質問に答えなければならない,きめ細かな知識獲得について検討する。
論文 参考訳（メタデータ） (2026-05-13T08:49:51Z) - Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。
このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。
適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
論文 参考訳（メタデータ） (2024-03-21T14:48:37Z)
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。