論文の概要: Cortex: A Fixed-Point Theory of Governed Coding Agents - Technical Report

• arxiv url: http://arxiv.org/abs/2610.24255v1
• Date: Fri, 16 Oct 2026 21:28:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-26 02:52:45.514951
• Title: Cortex: A Fixed-Point Theory of Governed Coding Agents - Technical Report
• Title（参考訳）: Cortex: Governed Coding Agentsの固定点理論 - 技術報告
• Abstract要約: コーディングエージェントは、大きな言語モデル(LLM)と、コードを計画、編集、実行するためのハーネスを組み合わせる。 我々は,事前実行管理,要件追跡,反復的検証と修復のための監督レイヤであるCortexについて検討する。
• 参考スコア（独自算出の注目度）: 1.0838165655415846
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A coding agent combines a large language model (LLM) with a harness that plans, edits, and executes code. We study Cortex, a supervisory layer for pre-execution governance, requirement tracking, and iterative validation and repair. We formalize requirement closure on a finite lattice. For a fixed requirement set and a sound, monotone validation rule with persistent evidence, exhaustive iteration reaches the least fixed point with no more strict increases than there are requirements. Fair consequence scheduling reaches the same closure. A separate stochastic model bounds expected completion time under a uniform positive-progress assumption. These results depend on their stated assumptions; artifact repair, fallible validation, and finite execution budgets do not satisfy them automatically. We define Gauntlet's trajectory-similarity and build-gated scores, attack-success estimators, Wilson intervals, and case-cluster bootstrap summaries. Effective-feedback accounting counts newly certified requirements, rather than estimating their information value or utility. The five evaluation families support raw-versus-governed comparisons. We report retained benchmark observations, including rescoring of existing artifacts; constructed outcomes are excluded. Unequal observation sets and incomplete provenance prevent causal claims about governance or measured long-horizon scaling.
• Abstract（参考訳）: コーディングエージェントは、大きな言語モデル(LLM)と、コードを計画、編集、実行するためのハーネスを組み合わせる。 我々は,事前実行管理,要件追跡,反復的検証と修復のための監督レイヤであるCortexについて検討する。 有限格子上の要求閉包を形式化する。 固定された要件セットと音に対して、永続的な証拠を持つ単調な検証規則では、徹底的な反復は要求以上の厳密な増加を伴わない最小の固定点に達する。 公正な結果のスケジューリングは、同じクロージャに達する。 別個の確率的モデルは、一様正の確率的仮定の下で期待される完備時間に束縛される。 アーティファクトの修復、誤検証、および有限実行予算は、それらを自動的に満たさない。 本稿では,Gauntletの軌跡類似性とビルドゲートスコア,アタック・サクセス推定器,Wilson間隔,ケースクラスタブートストラップサマリーを定義する。 効果的なフィードバック会計は、情報の価値やユーティリティを見積もるのではなく、新たに認定された要件をカウントする。 5つの評価ファミリーは、生逆比較をサポートする。 本報告では,既存のアーティファクトの再構成を含むベンチマーク観測を継続し,構築された成果を除外する。 不平等な観察セットと不完全な証明は、ガバナンスや測定された長期的スケーリングに関する因果関係の主張を妨げる。

関連論文リスト

• The Self-Improvement Problem [9.669659369729175]
  報酬モデルや自動レビューのような自動ゲートは、提案された更新が受け入れられるべきかどうかを確実に決定できますか? 我々は、エージェントをプログラムとしてモデル化し、計算不可能なセマンティックスコアの観点から改善を定義することで、このミスマッチを定式化する。 完全汎用的な設定では、(非改善を受け入れることなく)信頼性と非保守性(利用可能な改善を欠くことなく)同時に終了手続きを保証できないことを示す。
  論文  参考訳（メタデータ） (2026-10-15T10:27:00Z)
• Reality Is the Final Verifier: On Two Key Gaps in Agentic Software Engineering [78.51705689800838]
  本稿では, 要求, モデル, 評価器の見直しに, 展開証拠を用いた保証・修正ループを提案する。 そこで我々は,人的判断,エージェント能力,計算能力に対する資源配分問題としてエージェント開発を保証した。
  論文  参考訳（メタデータ） (2026-09-10T17:58:48Z)
• Compute-Bounded Security Assurance - Coverage, Verification, and Response under Resource Constraints [0.0]
  追加の推論計算は、正しく解決されたセキュリティ保証タスクの数を増やすことができる。 我々は、成功、ユニークなカバレッジ、承認された証拠、運用上の保護を分離するリソース制約のあるフレームワークを開発する。 概念的防御アーキテクチャは、証拠分析、判断、運用権限を分離する。
  論文  参考訳（メタデータ） (2026-09-07T13:07:55Z)
• SynthGuard-ReleaseBench: Locked-Audit Evidence for Synthetic Tabular Data Releases [0.0]
  SynthGuard-ReleaseBenchは、評価の前に使用、候補パネル、許容度、監査スケジュールをロックする監査フレームワークである。 保護されたデータ上で、実際のトレーニングと合成トレーニングを比較し、損失ギャップの有限サンプル境界を同時に与え、コントロールを必要とし、実用性と経験的なプライバシーリスクメカニズムを分離する。
  論文  参考訳（メタデータ） (2026-08-14T03:12:17Z)
• Certifying Plans under Model Mismatch: A Trilemma for Reachability from Scarce Data [5.455772242709494]
  シモン・トゥ・リアル・ポリシーは、名目力学の下で設計されているが、ターゲット・システム・トライアルは、わずかに孤立した1段階の遷移をもたらす。 本研究では,学習ポリシによって生成されるアクションチャンクなど,固定制御シーケンスの事前実行認証について検討する。
  論文  参考訳（メタデータ） (2026-08-03T16:28:26Z)
• A Reference-Free Score for Detecting Silent Reasoning Failures in Large Language Models [1.0602247913671219]
  Reasoning Answer Faithfulness Score (RAFS) は、出力された数学的トレースが局所的に信頼できるかどうかの基準自由なインスタンスレベルの診断である。 RAFSは、ステップの妥当性、解答の推論と反ファクトの感度、解答のコンセンサス、条件付き推論安定性を組み合わせている。 RAFSは、数学的な解答精度を、サイレント推論の失敗と解答の誤りに対する監査可能な警告信号で補完することを目的としている。
  論文  参考訳（メタデータ） (2026-07-28T07:28:38Z)
• What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
  視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。 SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
  論文  参考訳（メタデータ） (2026-06-01T03:18:01Z)
• CellScientist: Dual-Space Hierarchical Orchestration for Closed-Loop Refinement of Virtual Cell Models [62.281480231694]
  VCM(Virtual Cell Modeling)は、摂動応答を予測できるだけでなく、予測が失敗した場合にターゲットリビジョンをサポートするモデルを必要とする。 現在のLCM支援モデリングでは、予測誤差が実行可能実装を通して観測されるという改善ルーティング問題に直面している。 提案するCellScientistは,高レベル仮説空間と低レベル実行可能実装空間を結合した,二重空間階層型フレームワークである。
  論文  参考訳（メタデータ） (2026-05-08T06:40:24Z)
• Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
  我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。 プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
  論文  参考訳（メタデータ） (2026-01-23T17:17:32Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)

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。