論文の概要: What the Author Wrote, What the Agent Reads: Silent Cue Loss in Enterprise Document Ingestion
- arxiv url: http://arxiv.org/abs/2610.30026v1
- Date: Wed, 21 Oct 2026 16:51:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.41747
- Title: What the Author Wrote, What the Agent Reads: Silent Cue Loss in Enterprise Document Ingestion
- Title（参考訳）: 著者が書いた、エージェントが読むもの - エンタープライズドキュメントの取り込みにおける無意味な損失
- Abstract要約: 推論ではなく、摂取が、この信頼性を勝ち取るか、失うかを示す。
エージェントビルダーにとっての実践的な発見は、推論ではなく、インジェクションが、この信頼性を勝ち取り、失う場所であるということだ。
- 参考スコア（独自算出の注目度）: 2.332848751256598
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enterprise agents act on documents. Before an agent can follow a policy, answer a compliance question or file a ticket, some ingestion layer must turn a Word file or PDF into tokens - and that layer is where an agent deployed in the wild silently loses information. We show that one layer is lost by every mainstream converter - the meaning an author encodes in how text looks - and that the loss makes agents confidently wrong rather than visibly incomplete. We build a task from 76 real policy documents: recover the requirements the author singled out, scored against the file's own OOXML properties by a deterministic matcher with no LLM judge. Formatting-blind ingestion collapses from micro F1 0.690 to 0.150 (docling) and 0.075 (plain text), a gap that replicates across six answering models from two vendors - five Claude models spanning the Opus, Sonnet and Haiku tiers, and OpenAI's GPT-5.6. An agent that cannot see the cue guesses, and docling's false-positive rate on requirements the author did not flag is four times ours. A span-level leave-one-out localises the loss to two cues - highlight (+0.302) and colour (+0.262), both Holm-adjusted p < 1e-4 - while bold, italic, monospace and strikethrough each sit within +/-0.003 of zero. The same asymmetry appears in PDF. Colour is also the cue no mainstream converter preserves and no parsing benchmark scores, and it is common: 32.8% of 6,460 documents carry a deliberate colour or highlight, 10.3% on an obligation. A pre-registered test shows that typing a cue for the agent adds +0.085 beyond merely preserving it (Holm-adjusted p = 0.049). We validate the labels against rendered page images through an independent modality (kappa = 0.72) and bound what wording alone can achieve (AUC 0.664). For agent builders the practical finding is that ingestion, not reasoning, is where this reliability is won or lost, and that the fix is cheap and measurable.
- Abstract（参考訳）: エンタープライズエージェントはドキュメントで行動します。
エージェントがポリシーに従う前に、コンプライアンスの質問に答えたり、チケットを提出したりする前に、ある取り込みレイヤはWordファイルやPDFをトークンに変換する必要があります。
すべての主流コンバータ – 著者がテキストの見た目をエンコードする意味 – によって,ひとつのレイヤが失われることを示します。
我々は、76の実際のポリシー文書からタスクを構築する:著者が選択した要件を回復し、LCM判事なしで決定論的マッチングによって、ファイル自身のOOXMLプロパティに対してスコア付けする。
formatting-blindの摂取はmicro F1 0.690から0.150(ドクリング)と0.075(プレーンテキスト)に崩壊し、2つのベンダーから6つの回答モデル(Opus、Sonnet、Haikuの各層にまたがる5つのクロードモデル、OpenAIのGPT-5.6)を複製するギャップがある。
キューを見ることができないエージェントが推測し、著者が警告しなかった要求に対する偽陽性率は、私たちの4倍です。
2つのキュー - ハイライト (+0.302) と色 (+0.262) 、ホルム調整されたp < 1e-4 - 大胆、イタリック、モノスペース、ストライクスルーはそれぞれ 0 の +/-0.003 内にある。
同じ非対称性がPDFに載っている。
6,460件の文書の32.8%は意図的な色やハイライトを持ち、その義務は10.3%である。
事前登録されたテストでは、エージェントのキューをタイプすると、単に保存する以上の+0.085が加算される(ホルム調整されたp = 0.049)。
我々は、独立なモダリティ(kappa = 0.72)を用いてレンダリングされたページ画像に対してラベルを検証し、どの単語のみを達成できるかをバウンドする(AUC 0.664)。
エージェントビルダーにとって、実際の発見は、推論ではなく、この信頼性が勝ち負けした場所であり、修正が安価で測定可能であることである。
関連論文リスト
- Semantic Behavioral Watermarking: Paraphrase-Robust and Forgery-Resistant Provenance for LLM Agents [5.584439031414184]
振舞いの透かしは、LLMエージェントの高レベルのアクション選択に所有者識別子を埋め込む。
先行エージェントの透かしは、透かしを正確なアクションシンボルに結合する。
キー付きビンニングは、100%から偽陽性のフロアに適応的な偽造を行う。
論文 参考訳（メタデータ） (2026-10-06T16:50:42Z) - SWE-Proof: Can Language Models Resolve Real-World Issues with Machine-Checked Proofs? [39.004582663385364]
Benchprooferは、既知の正しいパッチでコーディングタスクを正式に認証されたパイプラインに変換するパイプラインです。
SWE-bench Verified に適用すると SWE-Proof が得られる。
論文 参考訳（メタデータ） (2026-09-18T01:16:53Z) - AgentAudit: An Open, Extensible Framework for Full-Lifecycle Trust Evaluation of AI Agents [2.8000808592516293]
AgentAuditは10の能力、グラウンド、セキュリティ、振る舞いの次元にわたって、実行トレース全体を評価する。
記録された実行トレースのみを読み出し、エージェントの実行方法に干渉しない。
我々は,9つの言語モデル(OpenAI GPT-5, Claude Sonnet 5, Sarvam 105B, Llama 3.3 70B, Gemini 2.5 Flash)を,9つの能力と対向タスクで評価した。
論文 参考訳（メタデータ） (2026-09-09T08:29:16Z) - ADeptS-Bench: Measuring the Trustworthiness of Computer Use Agents Across Devices [48.36933831982682]
我々はADEPTS機能フレームワークを基盤とした信頼性ベンチマークであるADeptS-Benchを紹介する。
Safetyストリームは、視覚インターフェースに埋め込まれた脅威を伴うペアの良心/悪意のあるタスクを提供する。
曖昧さストリームは、意図が曖昧である場合、エージェントが明確化を求めるかどうかを評価する。
論文 参考訳（メタデータ） (2026-08-25T23:21:57Z) - 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) - Judging Is Not Enumerating: Silent Omissions in LLM-Authored Acceptable Sets [13.85834524293015]
私たちは、ロールが想定する能力を測定し、通常、ロールが配置されるプロトコルの下でそれを欠いていることを見つけます。
モデルは、その候補がセット自体の作者よりもはるかに優れているかどうかを判断する。
論文 参考訳（メタデータ） (2026-08-02T05:00:44Z) - Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - Overeager Coding Agents: Measuring Out-of-Scope Actions on Benign Tasks [40.270213696031625]
OverEager-Genは、良質なタスクの振る舞いをオーバーイーガーするベンチマークである。
クロード・コードでは、同意宣言を削除するだけで、オーバーイーガー率は0.0%から17.1%に上昇する。
オーバーイーガー・ジェン(OverEager-Gen)は、入場前に各シナリオの識別力を認定する。
論文 参考訳（メタデータ） (2026-05-18T16:00:41Z) - How Far Is Document Parsing from Solved? PureDocBench: A Source-TraceableBenchmark across Clean, Degraded, and Real-World Settings [56.70440596502351]
昨年は20以上のオープンドキュメントパースモデルが見られたが、ベンチマークはほぼOmniDocBenchにのみ依存している。
HTML/CSSのドキュメントイメージをレンダリングするベンチマークであるPureDocBenchは、10のドメイン、66ページ、1,475ページをカバーしています。
論文 参考訳（メタデータ） (2026-05-08T09:30:31Z) - ObjectGraph: From Document Injection to Knowledge Traversal -- A Native File Format for the Agentic Era [0.0]
我々は OBJECTGRAPH (.og) というファイル形式を導入し,文書を入力すべき文字列ではなく,タイプされた,指示された知識グラフとして再認識する。
Every.mdファイルは有効な.ogファイルであり、2プリミティブなクエリプロトコル以外のインフラを必要としない。
論文 参考訳（メタデータ） (2026-04-30T13:03:54Z) - Resilient Write: A Six-Layer Durable Write Surface for LLM Coding Agents [0.0]
レジリエント・ライト(Resilient Write)は、エージェントとサーバの間に6層の耐久性のある書き込みサーフェスを介するMPPサーバである。
各レイヤは、2026年4月の実際のエージェントセッションで観測された具体的な障害モードにマップされる。
186-testスイートは各層での正当性を検証し、エージェントの自己補正率を13倍改善する。
論文 参考訳（メタデータ） (2026-04-12T22:23:55Z)
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。