論文の概要: Built to Remember, Shipped to Forget: Operational Contracts, Failures, and Repairs in Containerized LLM Agent Deployments
- arxiv url: http://arxiv.org/abs/2610.34620v1
- Date: Sun, 25 Oct 2026 22:36:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.649181
- Title: Built to Remember, Shipped to Forget: Operational Contracts, Failures, and Repairs in Containerized LLM Agent Deployments
- Title（参考訳）: コンテナ化されたLLMエージェントデプロイメントの運用契約、障害、修復を忘れないように構築された
- Abstract要約: 本研究は,運用契約としてのエージェントシステムの義務に関する実証的研究としては初めてである。
433のデプロイされたエージェントシステム、7つのイベントが12で発生し、39,261のコミット、プルリクエスト、問題から122の開発者修正が行われた。
少なくとも1つの契約は75.5%のシステムに適用されるが、その保証は日常的に欠落している。
- 参考スコア（独自算出の注目度）: 7.0349768355860895
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: LLM agent systems reach production as container images run by platforms such as Docker, Compose, and Kubernetes. Framework and platform document opposite expectations: to the platform a container is disposable, while the framework persists conversations, pauses runs for human input, and resumes interrupted work from saved state; each side specifies only its own behavior, so the obligations their composition creates are stated nowhere. We present the first empirical study of this boundary, stating these obligations as operational contracts: guarantees a deployment must provide to preserve an agent system's required behavior when a deployment-platform event occurs. From the first-party documentation of LangGraph and the three platforms we derive 14 contracts and evaluate them with three independent sources of evidence: 433 deployed open-source agent systems, seven events induced on 12 of them, and 122 developer repairs mined from 39,261 commits, pull requests, and issues. At least one contract applies to 75.5% of the systems, yet its guarantee is routinely missing: of systems that must keep state beyond the process, 37.4% lose it to a restart and 41.5% to a container replacement, and every assessable deployment stops the framework's production server mid-drain. Induced events turn 14 of 16 predicted violations into runtime failures and all seven predicted holds pass. The failures are born in deployment but repaired in code: developer repairs independently cover twelve of the fourteen contracts, 78% change application code, and only two in three fully restore the violated guarantee. The 14-contract catalogue, detection rules, fault-injection harness, and 35-pattern repair taxonomy provide a basis for checking and strengthening agent deployments.
- Abstract（参考訳）: LLMエージェントシステムは、Docker、Compose、Kubernetesなどのプラットフォームが実行しているコンテナイメージとして本番環境に到達する。
プラットフォームに対してコンテナは使い捨てであり、フレームワークは会話を永続化し、人間の入力を一時停止し、保存された状態から中断された作業を再開する。
デプロイの保証は、デプロイプラットフォームイベントが発生したとき、エージェントシステムの要求された振る舞いを保存するために提供されなければならない。
LangGraphと3つのプラットフォームに関する最初のサードパーティのドキュメントから、14の契約を導き、独立した3つの証拠として、オープンソースエージェントシステムをデプロイした433、12で発生した7つのイベント、39,261のコミットから採掘された122の開発者修正、プルリクエスト、イシューの3つで評価しています。
少なくとも1つの契約はシステムの75.5%に適用されるが、その保証は日常的に欠落している: プロセスを超えて状態を保たなければならないシステムのうち37.4%は再起動に、41.5%はコンテナ置換に、そしてすべての評価可能なデプロイはフレームワークのプロダクションサーバを停止させる。
誘発イベントは16の予測された違反のうち14が実行時障害となり、予測される7つのホールドがパスする。
開発者は独立して14のコントラクトのうち12つをカバーし、78%がアプリケーションコードを変更し、3人に2人が違反した保証を完全に修復する。
14の契約カタログ、検出ルール、フォールトインジェクションハーネス、35のパターン修復分類は、エージェントのデプロイメントのチェックと強化の基盤となる。
関連論文リスト
- Knowing When to Stop: The Evidence-Action Gap in Coding Agents [76.92446812179517]
コーディングエージェントはタスクを完了させるために訓練され、環境が完了を不可能にしている場合でも試し続けます。
ImpasseBenchを導入し、12の環境ブロッカーを他の方法で解決可能な修理タスクに注入する。
外部に必要なほぼすべての実行が十分な証拠を集めているのに、3分の1は予算を使い果たしている。
論文 参考訳（メタデータ） (2026-10-22T20:45:47Z) - When Code Becomes an LLM Call: An Empirical Study of Call-Site Contracts in Agentic Systems [35.592602729961754]
エージェントシステムは、次のツールを選択するなどのロジックの一部を、大きな言語モデル(LLM)を呼び出すことで置き換える。
保証は、プレコンディション、プロンプト制約、ポストコンディションの契約として、各LSMコールサイトのプログラムから得られなければならない。
オープンソースエージェントシステム40の496 LLMコールサイトにおいて,これらの契約について実証的研究を行った。
論文 参考訳（メタデータ） (2026-10-17T08:14:37Z) - Revocation Is Not Complete at Receipt: An Executable Outcome Contract for Distributed Agent-Tool Gateways [2.9152186617858304]
C0-C5は,エフェクト防止を通した発行者コミットにまたがる有界な結果契約であり,凍結したゲートウェイセット上の永続的なモニタとして実装されている。
14ケースのフォールトマトリックスは、保守的な分類、頑固な違反、再起動の永続化、エビデンス不変性をチェックする。
第一の実験では、メンテナンスされたKeycloak 26.7IDサーバを使用して、2つの耐久性のある受信機、物理エージェントツールゲートウェイ8つ、ファイルシステムとエフェクト、16のAWSホストをまたがって3つのアベイラビリティゾーンでコントラクトを測定する。
論文 参考訳（メタデータ） (2026-10-11T23:41:18Z) - EviRepair: Evidence-Driven Agents for Reliable Vulnerability Repair [55.22600943144124]
リポジトリレベルの脆弱性修復のためのエビデンス駆動型マルチエージェントフレームワークであるEviRepairを提案する。
EviRepairは、エージェントが協力して証拠を収集できるようにすることによって、修復プロセスにエビデンスレビューを導入する。
PatchEvalとSecBenchベンチマークの実験は、EviRepairが既存のエージェントベースのベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-10-09T12:22:43Z) - Relic: From Multi-Agent Collaboration to Persistent Organizational Capability [37.80629799707573]
繰り返し発生するコラボレーションの失敗を組織所有の実行可能なプロトコルに変えるRelicを紹介します。
メンバーは目に見える仕事を反映し、ルールを提案し、採用を管理します。
新たなメンバ転送では、動作の正確性は25.4%で、継承されたプロトコルが無く、34.6%が可読性テキストと同じルールで、41.2%が実行可能バインディングである。
論文 参考訳（メタデータ） (2026-09-26T21:55:49Z) - FDE-Bench: Evaluating LLM Agents for Deployment Environment Configuration [3.4732047142551288]
FDE-BenchはDockerイメージ、マルチサービスComposeスタック、診断・修復モードにまたがるデプロイメント設定タスクを評価している。
エージェントは、プリスタント環境で収集、再構築、再デプロイされる宣言的アーティファクトを提出する。
準備は最大の障害ステージであり、313エピソードのうち110エピソードが未解決である。
論文 参考訳（メタデータ） (2026-09-23T08:51:01Z) - ClashBench: Conflicts Leading Agents to Seize and Harm [90.19875881996693]
エージェントシステムでは、複数のエージェントセッションが、同じ環境で既存のユーザタスクと並行して実行されるようになっている。
十分な特権が与えられると、エージェントはそれを報告するのではなく、既存のタスクを終了または中断することでリソースの衝突を解決することができる。
この作業は、破壊的なリソースプリエンプションと呼ばれるこの障害モードを特定し、形式化します。
論文 参考訳（メタデータ） (2026-09-17T08:38:27Z) - SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - LMSM: LLM Security Framework Inspired by Linux Security Modules [56.93644694627783]
大規模言語モデル(LLM)は階層化されたディフェンスでデプロイされることが多いが、悪意のあるプロンプトはそれらをバイパスすることができる。
我々は,Language Model Security Modules (LMSM) という,Linux Security Modules (LSM) の背後にある分離を LLM サービスに適応させるセキュリティフレームワークを提案する。
論文 参考訳（メタデータ） (2026-08-26T12:13:05Z) - Understanding and Evaluating Claw-like Agent Security Through a Computer-Systems Lens [65.53494487819053]
クローのようなAIエージェント(OpenClawなど)は、認証情報、ファイル、ツール、外部サービスへの永続的なアクセスを伴う、常にオンのプロセスである。
我々はClawのようなエージェントをエージェントコンピュータシステムとして扱い、そのゲートウェイランタイムがOSのような仲介の役割を担っている。
我々は、4つの攻撃面にわたる406の敵タスクのベンチマークであるSafeClawArenaを開発した。
論文 参考訳（メタデータ） (2026-06-29T18:00:45Z)
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。