論文の概要: Incomparable Minima in Agent Tool Authorization
- arxiv url: http://arxiv.org/abs/2610.31914v1
- Date: Thu, 22 Oct 2026 21:06:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 01:38:06.293392
- Title: Incomparable Minima in Agent Tool Authorization
- Title（参考訳）: エージェントツール認証における非互換ミニマ
- Abstract要約: 私たちは、MicrosoftとGoogleが発行する権限表に対する質問をチェックします。
29.8-33.3%のグラフタスクと3.2%のGoogleリソースタスクに対して、質問には答えがない。
- 参考スコア（独自算出の注目度）: 10.012788934490084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: An agent that needs a tool needs authority to call it, and every proposal for governing that authority has to answer one question: of two grants that both let the agent finish a task, which one is smaller? Over-privilege benchmarks score agents against this answer, and permission solvers compute it. We check the question against the authorisation tables that Microsoft and Google publish, covering 22,305 Microsoft Graph endpoint bindings and 23,852 Google API methods, on tasks generated from each table's own resource structure. For 29.8-33.3% of Graph tasks and 3.2% of Google resource tasks the question has no answer, because the minimal sufficient grants form an antichain, a set of grants none of which authorises a subset of what another does. In its two main authorisation modes, Microsoft's shipped privilegeLevel rates 67.4-74.4% of these incomparable pairs equal. Google ships no such scale, so on Google we apply a reconstruction of the FORTIS privilege ladder, which rates 90.7-98.7% equal. Applying the same reconstruction to Graph attributes much of that difference to the scale rather than the corpus: its form based on the HTTP verb alone rates 92.0% of Google pairs and 89.0-92.0% of Graph pairs equal. Four risk measures (operations, writes, services reached, administrative surface) order 28.7% of incomparable Google pairs and 15.7-23.4% of Graph pairs in opposite directions, so for those pairs the ranking has no measure-independent answer. Offered pools of minimal and larger grants, 6 frontier models pick a minimal grant on 99.0% of 1,708 decisions, a grant smallest under all four measures on 66.7%, and on 22.1% a grant that another option matches or beats on every measure. We propose that benchmarks report which minimal grant an agent chose and that deployments show the alternatives to whoever approves the grant.
- Abstract（参考訳）: ツールが必要なエージェントはそれを呼び出す権限を必要とし、その権限を統治するすべての提案は1つの質問に答えなければならない。
オーバープライベートベンチマークは、この答えに対してエージェントをスコアし、パーミッションソルバがそれを計算します。
MicrosoftとGoogleが公開しているオーサライゼーションテーブルに対して、各テーブルのリソース構造から生成されたタスクに対して、22,305のMicrosoft Graphエンドポイントバインディングと23,852のGoogle APIメソッドをカバーしている。
29.8-33.3%のグラフタスクと3.2%のGoogleリソースタスクに対して、質問には答えがない。
2つの主要なオーソライゼーションモードでは、マイクロソフトが出荷した特権レベルは67.4-74.4%である。
Googleはそのようなスケールを出荷しないので、GoogleではFortIS特権のはしごを復元し、90.7-98.7%の比率で使用します。
グラフに同じ再構成を適用することは、コーパスよりもスケールに大きく影響する。HTTP動詞のみに基づく形式は、Googleペアの92.0%とグラフペアの89.0-92.0%が等しい。
4つのリスク尺度(運用、書き込み、サービス到達、管理面)は、比較不能なGoogleペアの28.7%、グラフペアの15.7-23.4%を反対方向に発注する。
6つのフロンティア・モデルでは1,708の判定の99.0%に対して、66.7%で4つの基準に満たない最小の助成金、さらに22.1%で、他の選択肢が全ての基準に適合または打ち負かされる最小の助成金が与えられる。
我々は、エージェントが選択した最小限の許可を与えるベンチマークレポートと、承認したエージェントの代替案を示すデプロイメントを提案する。
関連論文リスト
- DSABench: Benchmarking Source Discovery, Coordination, and Execution for Multi-Database Agents [16.187804211937035]
DSABenchを共同で評価する。
815の人間レビュータスクは、Spider、BIRD、LiveBenchをベースとしている。
RA-Setの最高スコアは60.55%、RA-Graphの最高スコアは34.66%である。
論文 参考訳（メタデータ） (2026-10-10T08:17:52Z) - The Missing Complement: State-Conditioned Minimal Sufficient Evidence for Coding Agents [26.90440158198578]
捕獲されたエージェントの状態が与えられた場合、次の決定を支援するためのコンパクトなエビデンスの組み合わせは依然として欠落している。
SERBenchは45のリポジトリから保持された500の状態を計測し、エージェントが見たことを記録し、現在の決定が要求されるすべての事実をカバーするセットのみをクレジットする。
キャリブレーションデータに固定された1つの構成では、これらの状態の73.0%が5つの項目で、80.6%が8つの項目で、61.4%と72.4%が再ランク付けされたQwen3埋め込みである。
論文 参考訳（メタデータ） (2026-09-17T10:56:47Z) - IBIB: A Protocol for Measuring Enterprise AI Systems by Serving Route, Not Model Identifier [0.0]
監査された18のベンチマークはすべて、広告付きモデルの識別子をスコア付けする。
ゴールドブラインド機能バインディングプレフライトは、どのタスクが到達する前に、ルートが評価契約を実行可能であることを確認する。
信頼性非包括的なファーストパススコアリングルールは、有効性を保ちながらスコアの失敗を維持する。
論文 参考訳（メタデータ） (2026-09-09T17:31:29Z) - Codebook Agent: Amortized Topology Design for LLM Multi-Agent Systems [67.04448659688579]
クエリ非依存の16エントリのコードブックを開発し、上位のデコード候補を1回のバッチフォワードパスでランク付けする。
反復検索がなく、テスト時にメッセージパッシングがないため、Codebook Agentは6つのベンチマークでもっとも正確な方法である。
論文 参考訳（メタデータ） (2026-09-02T08:10:22Z) - Dear Algo: A Precision-First Agentic Intent Layer for Unified Search and Recommendation [14.580988352516457]
emphmore NBA News や emphless politics といったオープンエンドのリクエストは、ワンショットの結果リストではなく、その後のフィードレコメンデーションを操縦する。
Dear Algo on Threadsは、明示的に、推論され、ネガティブで、複雑なインテントを、地上の実行可能なプランにコンパイルする。
提案手法は, 精度優先評価フレームワークを用いて, フィードレコメンデーションに自然言語の意図がどのように適用できるかを示す。
論文 参考訳（メタデータ） (2026-08-16T17:59:12Z) - Business Truth, not SQL Accuracy: A Rule-Gated 7B Analytics Agent Outperforms a Direct-Prompted 32B Baseline [0.0]
本稿では,2つの合成倉庫における400の凍結作業であるWarehouseBenchについて紹介する。
7BエージェントであるQueryProofは、セマンティックレイヤと物理カタログから派生したルールを使用して、その振る舞いを決定する。
論文 参考訳（メタデータ） (2026-08-10T08:14:24Z) - Provably Optimal Learning Algorithms for Assistance Games [60.843021846414956]
我々は、繰り返しアシストゲームのための最初の証明可能な効率的な学習アルゴリズムを提供する。
情報化人間とアシスタントの両方に分散化アルゴリズムを提案する。
後悔の近似係数が1-1/eより良いことを証明した。
論文 参考訳（メタデータ） (2026-07-09T00:38:42Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Maestro: Joint Graph & Config Optimization for Reliable AI Agents [53.71882250666667]
Maestro は LLM エージェントのための全体論的に依存しないフレームワークであり、エージェントの品質を最大化するためにグラフや構成を共同で検索する。
IFBenchとHotpotQAのベンチマークでは、MIPROv2、GEPA、GEPA+といった主要なプロンプトを平均12%--4.9%、それぞれ4.86%上回っている。
論文 参考訳（メタデータ） (2025-09-04T20:00:37Z)
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。