論文の概要: Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization

• arxiv url: http://arxiv.org/abs/2610.28454v1
• Date: Tue, 20 Oct 2026 16:12:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.914528
• Title: Toolflation: Seller Agents Distort Tool Markets Through Spontaneous Generative Engine Optimization
• Title（参考訳）: Toolflation:Seller Agentsは自動生成エンジン最適化を通じてツール市場を歪ませる
• Abstract要約: より多く選択されるように指示された販売業者が、生成エンジン最適化を実践していることが示される。 AmazonとInstagramで、実際のデータツールからツールマーケットを構築しています。
• 参考スコア（独自算出の注目度）: 12.335827799771087
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Agents are starting to sell to other agents. Seller agents write the listings of tools, services and products, and buyer agents read these listings when they choose what to use. We show that seller agents told only to be selected more often practice generative engine optimization on their own, and that this distorts the market for sellers and for buyers. We build tool markets from real data tools on Amazon and Instagram and run every tool on every question, so we know which tools can answer each question. Under all five production models we test, sellers rewrite their descriptions to claim more and more fields, including fields that their tools return for fewer than half of the targets. We call this process toolflation. Nothing in the market limits it, and how far it goes depends on the model, as the number of claims that contradict the sellers' own evidence differs by an order of magnitude between models. Toolflation shifts the buyers' choices between sellers, and the most capable tool loses share in seven of the ten combinations of seller model and platform. Under four models, the choices stay with capable tools and buyer agents keep their task success. Under the fifth, sellers copy one another until the descriptions no longer tell the tools apart. Buyer agents then pick tools by their position in the list, tools that answer almost nothing win a quarter to two fifths of the choices, and task success falls from 89% to about 30% on Amazon, close to random choice, and from 77% to 40% on Instagram. The sellers did only what their vendors asked, and the cost fell on buyers they never dealt with. We therefore argue that honesty toward third parties under competition is part of safety alignment, and that models should be tested as sellers before they are deployed as sellers.
• Abstract（参考訳）: エージェントは他のエージェントに販売し始めています。 販売業者は、ツール、サービス、製品のリストを書き、購入業者は、何を使うかを選択すると、これらのリストを読み取る。 販売業者が選択するように言われた場合、自力で生成エンジンの最適化を行うことが多く、売り手や買い手にとって市場を歪めていることを示す。 私たちは、AmazonとInstagramで実際のデータツールからツールマーケットを構築し、すべての質問に対してすべてのツールを実行しています。 私たちがテストしている5つのプロダクションモデルの中で、売り手は記述を書き換えて、より多くの分野を主張します。 私たちはこのプロセスをToolflationと呼びます。 売り手自身の証拠に矛盾するクレームの数は、モデル間で桁違いに異なるため、市場内では何の制限もない。 Toolflationは売り手の選択肢をシフトさせ、最も有能なツールは売り手モデルとプラットフォームの組み合わせ10のうち7つでシェアを失う。 4つのモデルの下では、選択肢は有能なツールに留まり、買い手エージェントはタスクを成功させ続ける。 第5章では、販売者が互いにコピーし合うが、その説明がツールを区別しなくなる。 また、タスクの成功率は、Amazonでは89%から30%、ランダムな選択では77%から40%に減少している。 売り手はベンダーが求めていたことだけを行ない、そのコストは買い手が扱わなかった。 したがって、競争中の第三者に対する誠実さは、安全の確保の一部であり、モデルが売り手としてデプロイされる前に、売り手としてテストされるべきである、と我々は主張する。

関連論文リスト

• Why Do Agent Teams Fail Across Boundaries? A Failure Taxonomy for Agent-to-Agent Systems with Private States [96.00953129073133]
  エージェント・ツー・エージェント(A2A)のシナリオでは、各エージェントは独自の環境を持ち、他のエージェントが見ることができない情報と権限を持っている。 既存のマルチエージェントシステム障害研究では、1つのオーケストレータ、共有ワークスペース、または1つのプリンシパルが想定されている。 我々は、異なるエージェントハーネスとモデルで構築された2500以上のA2Aシステムについて研究する。
  論文  参考訳（メタデータ） (2026-10-14T00:36:08Z)
• 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)
• TimeEvo: Failure-Driven Self-Evolution of a Time Series Agent [58.343983191487276]
  時系列エージェントは、外部ツールを呼び出すことで分析的な質問に答える。 Human-Agent Tool Misalignment: 21のエキスパートキュレートされたツールのライブラリは、いくつかのタスクを支援し、他の人を傷つけます。 TimeEvoは、エージェントの診断された障害を能力ギャップに集約し、それぞれの測定を計画し、ペアの入場ゲートを通してのみ候補ライブラリを許可する。
  論文  参考訳（メタデータ） (2026-09-23T03:08:12Z)
• SalesSim: Benchmarking and Aligning Multimodal Language Models as Retail User Simulators [63.68151307455963]
  本稿では,マルチモーダル大規模言語モデル(MLLM)の現実的,ペルソナ主導の顧客行動のシミュレート能力を評価するためのフレームワークとテストベッドであるSalesSimを紹介する。 我々は,シミュレータの動作とペルソナ仕様との整合性,および会話品質を測定する。 実験により,UserGRPOは,会話品質を改善しつつ,ベースラインモデルの整合性を13.8%向上させることを示した。
  論文  参考訳（メタデータ） (2026-05-08T17:59:23Z)
• DART: Leveraging Multi-Agent Disagreement for Tool Recruitment in Multimodal Reasoning [84.25936790759484]
  DARTは、複数の議論する視覚エージェント間の不一致を利用して、有用な視覚ツールを識別するマルチエージェントフレームワークである。 これらのツールは、新しい情報を導入することで実りの多いマルチエージェントの議論を可能にする。 Dartは、M3D医療データセットを1.3%改善して、応用ドメインの新しいツールに順応する。
  論文  参考訳（メタデータ） (2025-12-08T03:33:38Z)
• ToolTweak: An Attack on Tool Selection in LLM-based Agents [52.17181489286236]
  対戦相手は,特定のツールの選択に対して,エージェントを体系的にバイアスし,等しく有能な代替手段に対して不公平な優位性を得ることができることを示す。 提案するToolTweakは,ベースラインの20%程度から最大81%までの選択率を向上する,軽量自動攻撃である。 これらのリスクを軽減するために、パラフレージングとパープレキシティ・フィルタリングという2つの防御効果を評価し、バイアスを低減し、エージェントが機能的に類似したツールをより平等に選択できるようにする。
  論文  参考訳（メタデータ） (2025-10-02T20:44:44Z)
• Evaluating Multi-Turn Bargain Skills in LLM-Based Seller Agent [20.0134260493017]
  本稿では,eコマース対話における販売業者の交渉能力を評価するためのマルチターン評価フレームワークを提案する。 コントリビューションは,(1)622のカテゴリ,9,892の製品,3,014のタスクにまたがる大規模なeコマースバーゲティングベンチマーク,(2)アノテートされた購入者意図を持つマインド理論に基づくターンレベルの評価フレームワーク,(3)大量の対話データから信頼性の高い意図を抽出する自動パイプラインである。
  論文  参考訳（メタデータ） (2025-09-08T05:12:03Z)
• What Is Your AI Agent Buying? Evaluation, Implications and Emerging Questions for Agentic E-Commerce [1.998857368899133]
  プラットフォームに依存しないエージェントと完全にプログラム可能なモックマーケットプレースを組み合わせたサンドボックス環境を開発した。 まず、集合的な選択を探索し、モデル間でモーダルな選択が異なることを明らかにする。 次に、合理性チェックと、製品の位置と属性の列挙に関するランダム化実験により、選択のドライバを分析します。
  論文  参考訳（メタデータ） (2025-08-04T17:19:36Z)
• Investigating Nudges toward Related Sellers on E-commerce Marketplaces: A Case Study on Amazon [15.11300652519899]
  eコマース市場は世界中の何百万もの売り手にビジネスチャンスを提供する。 これらの売り手の中には、子会社のサービスを利用することで、マーケットプレースと特別な関係を持つ者もいる。 関連販売業者を総称して「関連販売業者」と呼ぶ。
  論文  参考訳（メタデータ） (2024-07-01T19:05:40Z)

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。