論文の概要: Concordat: Typed Sessions for LLM Agents
- arxiv url: http://arxiv.org/abs/2610.37461v2
- Date: Fri, 30 Oct 2026 15:44:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-02 22:05:31.372012
- Title: Concordat: Typed Sessions for LLM Agents
- Title（参考訳）: Concordat: LLMエージェントのタイプセッション
- Abstract要約: インタフェースが有限状態プロトコルであるオブジェクトとしてエージェントを扱うPythonライブラリであるConcordatを提示する。
各ターンでモデルが提供されるのは、現在のプロトコル状態において合法的なツールのみである。
我々は,50の航空業務におけるタウベンチの標準エージェントに対するコンコルダットエージェントの評価を行い,エージェントに確認を欠くよう圧力をかけた模擬顧客を加えた。
- 参考スコア（独自算出の注目度）: 0.8122270502556375
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agents built on large language models are increasingly allowed to take consequential actions: cancelling bookings, issuing refunds, changing accounts. The rules that govern those actions, such as "obtain the customer's explicit confirmation before changing anything", are usually stated in the prompt and followed only as reliably as the model chooses to follow them. We present Concordat, a Python library that treats an agent as an object whose interface is a finite-state protocol, in the spirit of typestate and session types, and enforces that protocol on the model at run time. On every turn the model is offered only the tools that are legal in the current protocol state, calls outside that set are rejected before they have side effects, decisions reserved for humans can only be requested, and token and tool-call budgets are charged and split linearly across handoffs. Protocols are checked when they are defined, and a subclass of an agent is rejected if it could bypass its parent's protocol, a behavioural form of Liskov substitution. We evaluate a Concordat agent against the standard agent of tau-bench on its 50 airline tasks, adding simulated customers who pressure the agent to skip confirmation. The standard agent made changes without the required "yes" in 13 of 50 tasks with gpt-4.1 and in 29 of 128 task-runs with Claude Haiku 5.5; the Concordat agent made none, with no significant difference in task success. tau-bench's own reward did not detect most of these violations. Concordat is open source.
- Abstract（参考訳）: 大規模言語モデル上に構築されたエージェントは、予約のキャンセル、返金の発行、アカウントの変更といった、連続した行動を取ることがますます許されている。
のようなこれらの行動を管理するルールは、通常、プロンプトで述べられ、モデルがそれに従うことを選択するのと同じだけ確実に続く。
エージェントを有限状態プロトコルであるオブジェクトとして扱うPythonライブラリであるConcordatを、タイプステートとセッションタイプという考え方で提示し、実行時にそのプロトコルをモデルに強制する。
モデルが提供されるのは、現在のプロトコル状態において合法的なツールのみであり、そのセット外の呼び出しは副作用がある前に拒否され、人間のために予約された決定は要求されるだけであり、トークンとツールコールの予算は、ハンドオフ間で直線的に課金され、分割される。
プロトコルが定義されると、プロトコルがチェックされ、親のプロトコルをバイパスできるエージェントのサブクラスであるリスコフ置換の振る舞い形式が拒否される。
我々は,50の航空業務におけるタウベンチの標準エージェントに対するコンコルダットエージェントの評価を行い,エージェントに確認を欠くよう圧力をかけた模擬顧客を加えた。
標準エージェントは、gpt-4.1の50タスク中13タスクとClaude Haiku 5.5の128タスクのうち29タスクで"yes"なしで変更した。
タウベンチ自身の報酬は、これらの違反の大部分を検知しなかった。
Concordatはオープンソースである。
関連論文リスト
- Proof-Carrying Contracts: Commitments AI Agents Cannot Break [55.47411235954028]
本稿では,エージェントのシステムとのインタラクションを通じて,合意された制約を強制可能なものにするためのフレームワークであるProof-Carrying Contracts (PC2)を紹介する。
要求された操作が実行される前に、エージェントは、そのモデルによって許されるすべてのケースにおいて、合意された制約を保存するためのマシンチェック可能な証明を提供する必要がある。
我々は、実行中、たとえ敵エージェントであっても、その制約が瞬時に保持されることを証明し、それが世界の安全を意味するかどうかを識別する。
論文 参考訳（メタデータ） (2026-10-20T16:30:34Z) - Agent Status Protocol (ASP): A Lightweight Specification for State Reporting in Multi-Agent Systems [0.3262230127283452]
Agent Status Protocol(ASP)は、異種エージェントが運用状態をステータスサーバに報告するための軽量な方法を定義する。
ASPは独立したディメンション(ライフサイクル、ヘルス、タスク、フロア、ガバナンス)に沿ってステートするので、エージェントはオンラインで、劣化し、タスクに取り組み、同時にフロアを待つことができる。
論文 参考訳（メタデータ） (2026-10-15T09:03:17Z) - Agents Are Systems, Not Models: Rethinking Agentic Evaluation [80.87068485535677]
エージェントの構成の5つの部分(タスク情報、推論、自己検証、時間予算、バックボーンモデル)について検討する。
結果の約54%は、変更ではなく、同じ構成を繰り返すことによるものです。
ベンチマークと18,000以上のエージェントトラジェクトリをリリースする。
論文 参考訳（メタデータ） (2026-10-01T12:55:07Z) - Despite Instructions: Frontier Agents Improvise Covert Channels at Test Time [64.61749234961134]
セキュリティに敏感なアプリケーションでは、言語モデルエージェントは機密情報を開示することなく調整する必要があることが多い。
送信者が4つの秘密状態のうちの1つを観測し、同一の公開レポートの4つの要約のうちの1つを選択する。
モデルペアは、受信機が正しく推測したかどうかを示す1ビットのフィードバックのみを使用して、秘密を伝えることができる。
論文 参考訳（メタデータ） (2026-09-26T15:06:44Z) - How Strongly Should Task State Influence an LLM Agent? [20.501736782803743]
ロングホライズンに割り当てられた作業は、タスクの状態を追跡するためにLLMエージェントを必要とする。
表示、説明、強制された状態からどれだけの信頼性があるかは、誰も知りません。
タスクルール、モデル、ペア化されたエピソードを修正し、タスク状態がエージェントにどれだけ強く到達するかを変える。
論文 参考訳（メタデータ） (2026-09-22T04:42:44Z) - Capable but Careless: Do Computer-Use Agents Follow Contextual Integrity? [54.701199583505144]
アプリケーション間アクセスは、ほとんど見落とされたプライバシーリスクを生み出す。
我々はAgentCIBenchを紹介します。これは、このリスクを決定論的に評価されたシナリオに変換する評価ハーネスです。
我々は15のフロンティアエージェントを評価し、驚くほど高い失敗率を見出す。
論文 参考訳（メタデータ） (2026-06-22T11:36:58Z) - Collaborative Human-Agent Protocol (CHAP) [0.18352113484137622]
本稿では,協調型ヒューマンエージェントプロトコルCHAPについて述べる。
CHAPでは、チャットスレッドに紛失したオーバーライドは、差分、合理、コンテンツハッシュを含む構造化イベントとなる。
このプロトコルは、小さなコア(ワークスペース、参加者、タスク、アーティファクト、追加のみのエビデンスログ)を通じて、レビュー、モード、ルーティング、検討、ハンドオフ、アイデンティティ、シグネチャ、デプロイに必要な透過的な監査を追加する構成可能なプロファイルとともに、これを実現する。
論文 参考訳（メタデータ） (2026-06-08T17:11:42Z) - Will the Agent Recuse Itself? Measuring LLM-Agent Compliance with In-Band Access-Deny Signals [0.0]
本稿では,Recuse Signal という軽量な帯域内拒否信号を提案する。
プロトコルの既存のチャネルの上に出力され、接続自動化エージェントが自発的に撤退するよう要求する。
我々は,新鮮エージェントに良質な操作タスクを付与し,反感を伴って観察する制御実験を行った。
論文 参考訳（メタデータ） (2026-06-04T17:50:54Z) - Coding Agents Don't Know When to Act [3.2610504259514754]
コーディングエージェントは、ソフトウェアを自律的にメンテナンスするためにますますデプロイされる。
現実のデプロイメントでは、すでに解決済みの問題に関するバグレポートに遭遇します。
最先端のモデルでさえ失敗し、35ドルから65%のケースで望ましくない変更を提案する。
論文 参考訳（メタデータ） (2026-05-08T14:10:00Z) - KnowU-Bench: Towards Interactive, Proactive, and Personalized Mobile Agent Evaluation [72.01173512175531]
KnowU-Benchはパーソナライズされたモバイルエージェントのためのオンラインベンチマークである。
42のGUIタスク、86のパーソナライズされたタスク、64のプロアクティブタスクをカバーしている。
明示的なタスク実行に優れるエージェントは、あいまいな指示の下で50%以下に低下する。
論文 参考訳（メタデータ） (2026-04-09T16:50:50Z) - AgentPack: A Dataset of Code Changes, Co-Authored by Agents and Humans [46.56091965723774]
コード編集のための微調整された大きな言語モデルは、一般的にコミットのマイニングやプルリクエストに依存しています。
我々は、Claude Code、OpenAI Codex、Cursor Agentが共著した1.3Mコード編集コーパスであるAgentPackを紹介する。
AgentPackで微調整されたモデルは、以前の人間のみのコミットコーパスで訓練されたモデルより優れていることを示す。
論文 参考訳（メタデータ） (2025-09-26T05:28:22Z)
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。