論文の概要: PASS Is a Claim, Not an Observation: Mechanical Re-verification of 10 Self-Asserted Fix Claims in a Live Multi-Agent Audit Layer

• arxiv url: http://arxiv.org/abs/2610.35950v1
• Date: Sat, 24 Oct 2026 12:29:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.183006
• Title: PASS Is a Claim, Not an Observation: Mechanical Re-verification of 10 Self-Asserted Fix Claims in a Live Multi-Agent Audit Layer
• Title（参考訳）: PASSはクレームであって観察ではない:ライブマルチエージェントオーディット層における10個の固定クレームの機械的再検証
• Abstract要約: 我々は、特権調整エージェントから10個の自己保証コードレベルの修正クレームを機械的に再検証した。 これら10の主張は179の調整放送のコーパスから抽出された。 重要な発見:再検証に十分な情報を提供するクレームの中で、50%が識別子+コールサイトチェックを失敗する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When agents claim to have fixed their own defects, how do we know the fix is real? We mechanically re-verified 10 self-asserted code-level fix claims from a privileged coordination agent (azone_god) operating in AITRAP, a live multi-agent knowledge-tree platform. These 10 claims were extracted from a corpus of 179 coordination broadcasts (28 containing structured fix assertions, 31 unique fix-ID/message pairs, 18 distinct fix identifiers). Fix claims use mixed English/Chinese formats (PASS, checkmarks, and "verification passed" declarations). Each code-level claim was checked against three criteria: (1) file modification timestamp (mtime) consistency -- 70% pass; (2) presence of the claimed defensive pattern at the specified identifier and call site -- 60% pass in the claimed file (80% anywhere in the codebase); (3) deterministic rule-based re-verification from the broadcast announcement alone -- 80% pass. The critical finding: among claims that provide sufficient information for re-verification (C3-pass), 50% fail the identifier+call-site check (C2-fail) -- the fix either does not exist at the claimed location or does not exist at all. This demonstrates that self-asserted fix claims cannot be trusted without independent mechanical verification. Our central claim: a PASS declaration is a claim requiring independent verification, not an observation of fix completion.
• Abstract（参考訳）: エージェントが自身の欠陥を修正したと主張するとき、どのようにして修正が本物であることを知っていますか? 我々は,マルチエージェントの知識ツリープラットフォームであるAITRAPで動作する特権調整エージェント(azone_god)から,自己保証コードレベルの10のクレームを機械的に再検証した。 これら10のクレームは179のコーパスから抽出された(28は構造化された固定アサーション、31のユニークな固定ID/メッセージペア、18の異なる固定識別子を含む)。 修正請求書は、混在する英語と中国語のフォーマット(PASS、チェックマーク、"検証パス"宣言)を使用する。 それぞれのコードレベルのクレームは、(1)ファイル修正タイムスタンプ(mtime)一貫性 -- 70%パス、(2)指定された識別子とコールサイトにおける要求された防御パターンの存在 -- 60%パス、(3)ブロードキャストの発表だけで決定論的ルールベースの再検証 -- 80%パスの3つの基準でチェックされた。 重要な発見:再検証のための十分な情報を提供するクレーム(C3-pass)の中で、50%が識別子+コールサイトチェック(C2-fail)を失敗する -- 修正はクレームの場所に存在するか、まったく存在しないかのいずれかである。 このことは、独立した機械的検証なしでは、自己保証の修正請求が信用できないことを証明している。 私たちの中心的な主張:PASS宣言は、修正完了の観察ではなく、独立した検証を必要とする主張である。

関連論文リスト

• Phantom Merge: When Your Large Language Model Agents Pick One but Tell You About Another [16.151531550259993]
  Phantom Merge (PM) は、エージェントがコミットされたエンティティをアトリビュートするエンティティ-エビデンスバインディングの障害である。 本稿では,クレームレベルのリスク推定と修正のための2段階フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-12T04:01:45Z)
• 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)
• StateWise: Diagnosing and Repairing Persistent Operational State Before Agent Actions [40.67530816009153]
  動作実行前に永続的な動作状態の診断と修復を行うためのフレームワークであるStateWiseを提案する。 腐敗した永続状態の下では、StateWiseは93.3%の全体的な正当性を達成するが、ベースラインエージェントは38.7%で安全でない。
  論文  参考訳（メタデータ） (2026-10-04T14:12:18Z)
• Can Terminal Agents Trust Their Own Verification? Diagnosing and Improving Self-Verification [37.46072257265434]
  完全候補が形成された後、自己検証はほぼ普遍的であるが、誤った候補が61.43%しか検出されず、検出されたエラーの49.36%のみが修復に成功している。 本研究の目的は,学生が最初に候補解を生成できるSCVD(Student-Conditioned Verification Distillation)を提案することである。 3つのQwen3.5バックボーンの中で、SCVD は TerminalBench2.1 上の textscPass@1 を 9.74--16.85 のパーセンテージで改善し、標準のフルトラジェクタ上で 4.49--8.61 のパーセンテージで改善した。
  論文  参考訳（メタデータ） (2026-09-30T02:42:23Z)
• The Cognitive Continuity Test: Verifying Governed State Transitions in Persistent AI Agents [2.124730017640531]
  永続AIエージェントは、信念を修正し、メモリを集約し、実行基板を置き換える。 同様の後継州は異なる承認された移行条件を伴い得るが、正当な開発は州を実質的に変えることができる。 本稿では,CCT(Cognitive Continuity Test:認知継続性テスト)について紹介する。CCT(Cognitive Continuity Test:認知継続性テスト:認知継続性テスト:認知継続性テスト:Cognitive Continuity Test:認知継続性テスト:認知継続性テスト:認知継続性テスト:Cognitive Continuity Test:認知継続性テスト:CCT)。
  論文  参考訳（メタデータ） (2026-09-09T18:28:33Z)
• Why Didn't It Check? Unsupported Final Claims and Their Repair in Two Tool-Equipped Language Models [0.0]
  単一の利用可能なツールコールが不確実性を解決するとしても、言語モデルは、彼らが見た証拠によって最終的なクレームが支持されないことをコミットすることができる。 我々は、この失敗を、正確に定義された2つの量に分類する: 発生、モデルが、隠れた正解を使わずに、可視的証拠と最終的クレームから測定した、どれだけの頻度で、どれだけの頻度で不在なクレームを発生させるか、そして、不在な証拠が供給されたときに、同じ自然に発生するクレームが修復されるか。
  論文  参考訳（メタデータ） (2026-08-27T23:02:52Z)
• Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
  大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。 報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。 本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
  論文  参考訳（メタデータ） (2026-08-09T22:59:13Z)
• ContraFix: Agentic Vulnerability Repair via Differential Runtime Evidence and Skill Reuse [10.503895811137095]
  大規模言語モデル(LLM)エージェントは、自動脆弱性修復にますます利用されている。 最近の実証的な結果は、これらのエージェントがいまだに現実世界の脆弱性と戦っていることを示している。 ContraFixは、再利用可能な修復スキルとランタイムエビデンスを結合するエージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-05-17T13:48:25Z)
• VulAgent: Hypothesis-Validation based Multi-Agent Vulnerability Detection [55.957275374847484]
  VulAgentは仮説検証に基づくマルチエージェント脆弱性検出フレームワークである。 セマンティクスに敏感なマルチビュー検出パイプラインを実装しており、それぞれが特定の分析の観点から一致している。 平均して、VulAgentは全体的な精度を6.6%改善し、脆弱性のある固定されたコードペアの正確な識別率を最大450%向上させ、偽陽性率を約36%削減する。
  論文  参考訳（メタデータ） (2025-09-15T02:25:38Z)
• AFaCTA: Assisting the Annotation of Factual Claim Detection with Reliable LLM Annotators [38.523194864405326]
  AFaCTAは、事実主張のアノテーションを支援する新しいフレームワークである。 AFaCTAは、3つの事前定義された推論経路に沿って、アノテーションの信頼度を一貫性で調整する。 PoliClaimは、さまざまな政治的トピックにまたがる包括的なクレーム検出データセットである。
  論文  参考訳（メタデータ） (2024-02-16T20:59:57Z)

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。