論文の概要: ProbeID: Verifying MCP Tool Identity for LLM Agents under Registry Drift

• arxiv url: http://arxiv.org/abs/2610.33633v1
• Date: Sat, 24 Oct 2026 12:26:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.412549
• Title: ProbeID: Verifying MCP Tool Identity for LLM Agents under Registry Drift
• Title（参考訳）: ProbeID: LLMエージェントのMPPツールアイデンティティをレジストリドリフト下で検証する
• Abstract要約: エージェントは、どの実装を実行するかを確立できないコピー可能な記述によってツールを選択する。 金の存在、独立プローブ、固定マージンにより、標準濃度の議論は、候補数に共通のプローブ予算の対数を与える。
• 参考スコア（独自算出の注目度）: 11.598534741477053
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agents select tools by copyable descriptions, which cannot establish which implementation runs. ProbeID compares canonicalized responses to schema-valid probes with a trusted admission reference and abstains on ambiguity, so a squatter must copy probe-observable behavior. With the gold present, independent probes and a fixed margin, standard concentration arguments give a shared probe budget logarithmic in the candidate count and bound the joint probability of a wrong decision. On cached MCP-IdentityDrift cases, strict choice reaches \(0.956\) hit@1 while description routers fall near chance, but simpler exact comparisons tie it, MMD better tolerates heavy value noise, and a 32B behavioral judge is similarly accurate at higher cost. Random probes from agent banks and a prospective held-out study of 38 tools test theory-set thresholds. On the agent banks, equality refuses every reachable replacement from 64 probes and the bounded distance from 512, and sharper post hoc gates halve both. Two tools whose drift no bank probe reaches always pass. In an MCP-Bench agent, verification cuts tainted tasks from 15 to 9 of 16 at unchanged task success. Over eleven weeks, 7 of 59 real tools changed responses despite version pins. Verification depends on reference integrity, probe coverage, and response noise.
• Abstract（参考訳）: エージェントは、どの実装を実行するかを確立できないコピー可能な記述によってツールを選択する。 ProbeIDは、標準化された応答をスキーマ値プローブと信頼された入力参照と比較し、あいまいさを無視するので、スクワットはプローブが観測可能な振る舞いをコピーしなければならない。 金の存在、独立プローブ、固定マージンにより、標準濃度の議論は、候補数における共有プローブ予算の対数性を与え、間違った決定の合同確率を拘束する。 キャッシュされた MCP-IdentityDrift の場合、厳密な選択は \(0.956\) hit@1 に達するが、記述ルータは近い確率で失敗する。 エージェントバンクからのランダム調査と、38のツールテストセットしきい値に関する予想外の研究。 エージェントバンクでは、同等性は64個のプローブから到達可能なすべての置換を拒否し、境界距離は512であり、よりシャープなポストホックゲートはどちらも半減する。 ドリフトにバンクプローブが届かない2つのツールは常に通過します。 MCP-Benchエージェントでは、検証によって汚染されたタスクが16の15から9に削減される。 11週間にわたって、59の実際のツールのうち7つは、バージョンピンにもかかわらずレスポンスを変更した。 検証は参照整合性、プローブカバレッジ、応答ノイズに依存する。

関連論文リスト

• VerifierBench: Benchmarking the Generation of Executable Verifiers for LLM Agents [57.86211802714839]
  VerifierBenchは、ツールコール、ステートベース、コード検証にまたがる222のタスクのベンチマークである。 Verifier4Verifier (V4V) はソース検証とテストスイートを検査する。 分析されたレコードのほとんどの偽りの拒絶は、あるタスクに対するテストされた解決策を受け入れない検証者によるものである。
  論文  参考訳（メタデータ） (2026-10-19T17:22:36Z)
• TRACE: Diagnosing Verifier Brittleness in Agentic Evaluation [0.5837881923712392]
  本稿では,判定から検査可能な診断へスコア変更を行うプロトコルであるTRACEを紹介する。 25の合成タスクの制御スイートでは、まったく同じ操作をしても、リネームツールはスクリプトされたエージェントのスコアを0.250下げる。 88の新しいタスクのフォローアップでは、条件ごとの繰り返し実行、改名ツールまたは改名ツールのアウトプットが8つのエージェント-チェンジペアのうち7つに対して$pm$0.10以内の報酬に変化しない。
  論文  参考訳（メタデータ） (2026-10-08T10:52:26Z)
• A Verifier Can Leak the Answer: Diagnosability Before Optimization in Closed-Loop Agent Debugging [0.39287497907611874]
  検証者は、そのプローブがターゲットのアイデンティティを符号化したり、述語化したりすると、解法の比較を空にする。 クローズドループ決定エージェントにおけるアグリゲートトレースデバッガーの障害を報告する。
  論文  参考訳（メタデータ） (2026-09-09T17:32:57Z)
• PRIMUS: Identity, Governance, and Verification for Multi-Agent Federations [0.0]
  マルチエージェント・フェデレーションは、敵対的な条件下での3つの質問に答えるガバナンスを必要とする。 本稿では,BLSアグリゲートシグネチャと主パワーIDを結合したPRIMUSについて述べる。 PRIMAのバイナリアーティファクト-忠実性判定は、グレード付きフィットネス信号に変換できるかどうかを問う。
  論文  参考訳（メタデータ） (2026-09-07T19:21:49Z)
• Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
  外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。 我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。 オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
  論文  参考訳（メタデータ） (2026-08-23T03:07:03Z)
• When Agents Commit Too Soon: Diagnosing Premature Commitment in LLM Agents [0.0]
  長い答えのLSMエージェントは静かに失敗する可能性があり、彼らは証拠を早期に読み上げ、残りの期間をその証拠を守るのに費やした。 我々は、表現的コミットメントを、固定された推論ステップにおいて、クロスランな隠れ状態収束として定義する。 ランタイムモニタは、AUROCの隠れ状態から0.97までの不整合軌道を検出する(より厳密なスプリットの下で0.85-0.88)。
  論文  参考訳（メタデータ） (2026-06-22T07:13:13Z)
• PACE: Anytime-Valid Acceptance Tests for Self-Evolving Agents [0.0]
  自己進化型エージェントは、自身のプロンプト、スキル、オーモーフィケーションの変更を繰り返し提案することで改善する。 Qwen2.5 のエージェント (0.5B-3B) が GSM8K, SVAMP, ARC-Challenge のプロンプトレベルで自己進化する際、greedy は 30-42% の偽陽性と 10-33% の有害な編集をコミットする。 PACEは実際のものをコミットし、グリーディのホールトアウトの精度を著しく低いばらつきと約18%低い評価コストで一致させる。
  論文  参考訳（メタデータ） (2026-06-06T11:12:11Z)
• FineVerify: Scaling Test-Time Compute with Fine-Grained Self-Verification for Agentic Search [88.16262636915975]
  FineVerifyはエージェント検索のためのきめ細かい自己検証フレームワークである。 各質問をチェック可能なサブクエストに分解し、サンプル候補を検証し、最も高い集計スコアの候補を選択する。 FineVerifyは、標準のスケーリングベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2026-05-30T10:21:20Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)

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。