論文の概要: Manifest-Assisted Retrieval in Artificial Intelligence Search: Evidence Gaps and a Security Evaluation

• arxiv url: http://arxiv.org/abs/2610.38361v1
• Date: Wed, 28 Oct 2026 06:58:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:09.965111
• Title: Manifest-Assisted Retrieval in Artificial Intelligence Search: Evidence Gaps and a Security Evaluation
• Title（参考訳）: 人工知能検索におけるマニファスト支援検索:エビデンスギャップとセキュリティ評価
• Abstract要約: 最初の監査は2026年8月16日まで39件で、10月14日までに行われた。 15-tool実験では、45回の試験では1つのエンドポイントで自動要求は見つからなかった。 非確率ログ調査では、検出されたファイルを持つドメインの97%が2026年5月に記録された要求を受け取らなかった。
• 参考スコア（独自算出の注目度）: 8.994248427869783
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The external sources retained in our non-systematic audit did not isolate the incremental security or utility effect of consuming /llms.txt while ordinary retrieval remained fixed. The initial audit covered 39 sources through August 16, 2026, with later targeted updates through October 14. A purposive 15-tool study observed no automatic requests in 45 trials at one endpoint; a non-probability log study found that 97% of domains with detected files received no recorded requests in May 2026. We separate publication, fetch, model use, and action; define five operational threat paths and paired security-utility estimands; and exercise deterministic pre-model controls with 30 author-defined parser fixtures. We also execute a reduced pilot: 24 tasks across eight sites, five conditions, and 120 real model responses, with ordinary evidence held fixed. Frozen automatic scoring identifies attacker-target adoption in $21/24$ raw adversarial responses, with one further response unresolved; the adversarial URLs-only condition has no known adoptions and one unresolved response. The pilot measures output changes conditional on supplied evidence, without live retrieval or external actions. Together, the framework and pilot distinguish manifest-content effects from publication, discovery, and downstream execution, while leaving full retrieval and agent evaluation open.
• Abstract（参考訳）: 非システム監査に残されている外部ソースは、通常の検索が固定されている間も、/llms.txtを消費する段階的なセキュリティやユーティリティ効果を分離しなかった。 最初の監査は2026年8月16日まで39件で、10月14日までに行われた。 調査によると、検出されたファイルを持つドメインの97%が2026年5月に記録された要求を受けていない。 我々はパブリッシュ、フェッチ、モデル使用、アクションを分離し、5つのオペレーショナル脅威パスとペアのセキュリティユーティリティ推定を定義し、30の作者定義パーザフィクスチャで決定論的プレモデル制御を実行する。 8つのサイトにわたる24のタスク、5つの条件、120の実際のモデル応答、そして通常の証拠が固定されている。 フリーズン自動スコアリング(英語版)は、攻撃目標を生の敵の応答で2,4$で識別し、さらに1つの応答は未解決である。 パイロットは、ライブ検索や外部アクションなしで、供給された証拠に条件付きの変更を出力する。 フレームワークとパイロットは共に、公開、発見、下流実行とマニフェストコンテンツ効果を区別し、完全な検索とエージェント評価をオープンにする。

関連論文リスト

• ToolContractGate: Versioned Trusted Contracts for Drift-Safe Agent Tool Invocation [1.0152838128195467]
  ToolContractGateは、OpenAPI由来のエージェントツールに対する決定論的ランタイムコントラクト評価を提供する。 それぞれバージョン管理されたToolContractは、格納されたOpenAPIフィンガープリントと、アクセス、スキーマ、行動宣言を組み合わせたものだ。 オープンソースアーティファクトには、7つのOpenAPI仕様、12のエンタープライズコントラクト、29のユニットテスト、900レコードの評価が含まれている。
  論文  参考訳（メタデータ） (2026-10-22T19:01:06Z)
• Discovery or Memorization? A Faithful Benchmark for Real-World Business-Logic Vulnerability Discovery [54.222719340971075]
  AnonVulは132のアプリケーションレベルのビジネス論理的脆弱性の言語間ベンチマークである。 これは、タスクを匿名化し、専門家が書いた仕様からオラクルを注入し、エクスプロイトを検証する半自動化パイプラインによって構築される。 我々は、AnonVulベンチマークの6つの最新脆弱性発見エージェントを評価し、発見成功、コスト効率、匿名化感度、オラクルの妥当性、障害モードを測定した。
  論文  参考訳（メタデータ） (2026-10-13T01:10:42Z)
• A Competing-Hazards Systematization of Loss of Control in Autonomous Agents [1.827510863075184]
  承認された完了、安全な停止、スコープエスケープ、継続において、それぞれの試みが終了する共通のフレームワークを紹介します。 2025年1月から2026年9月までの22件のインシデント報告と102件のエージェントセーフティ評価を一次資料を用いて実施した。
  論文  参考訳（メタデータ） (2026-09-29T19:04:21Z)
• VeriWeave Govern: Evidence-Gated Deterministic Runtime Governance for Enterprise AI Agents [0.0]
  この記事では、バージョン管理ポリシーに対する構造化エージェントアクションを評価する決定論的ランタイムガバナンス層であるVeriWeave Governを紹介します。 GoverningBench氏は、5つのエンタープライズオラクルドメインにまたがる30個の独立したシードと6万個のラベリングケースの設計を評価している。 6つのアブレーションは、証拠が誇張し、先行を否定し、分配不能なフェイルセーフな振る舞い、人間のレビュー、矛盾処理、時間的再生が相補的な安全性に寄与していることを示している。
  論文  参考訳（メタデータ） (2026-09-26T20:15:54Z)
• Reward Hacking Challenges Oversight of Autonomous Research Agents [104.38175629103235]
  自律的な研究エージェントは実験を設計し、結果を評価し、レポートを書き、科学的結果とそれを支持する証拠の両方を制御できる。 これは、意図した目標を達成することなく、報酬基準を満たす、報酬ハックのリスクを生み出す。 そこで本研究では,ハッキングが許可された場合,その方法がいかに効果的かつ検出可能か,LCMレビューパネルが意思決定と理由を返却した場合にどのように適応するか,などについて検討する。
  論文  参考訳（メタデータ） (2026-09-23T17:54:01Z)
• From Verdict to Diagnosis: Attributable Security Review of Pull Requests [37.704472942055126]
  自動コードレビュアは、プルリクエスト(PR)のゲートとしてますます使われています。 しかし、評価は悪意のある変更をブロックするかどうかを測定する。 89個の悪意のあるPRと50個のペアの良性制御のメカニズム基底ベンチマークであるMalPR-Benchを提案する。
  論文  参考訳（メタデータ） (2026-08-26T12:44:33Z)
• SNARE: Adaptive Scenario Synthesis for Eliciting Overeager Behavior in Coding Agents [40.270213696031625]
  符号化エージェントは、シェル、ファイル、ネットワークアクションのシーケンスとして良質なタスクを実行する。 プロンプトは敵ではなく、実行は成功しますが、スコープ外ステップでは認証情報をリークしたり、ファイルを削除することができます。 既存のベンチマークでは、タスク補完スイートは、完了した実行を承認し、jailbreakスイートは、逆のプロンプトをプローブし、以前のオーバーイーガーベンチマークは、各エージェントモデルペアに単一の固定プロンプトを適用する。 再利用可能なスコープから良性シナリオを構成するパイプラインであるSNAREを提案する。
  論文  参考訳（メタデータ） (2026-05-27T08:14:07Z)
• How Vulnerable Are AI Agents to Indirect Prompt Injections? Insights from a Large-Scale Public Competition [48.32744727426218]
  LLMベースのエージェントは、電子メール、ドキュメント、コードリポジトリなどの外部データソースを処理する高利得設定にますますデプロイされている。 これにより間接的なプロンプトインジェクション攻撃が発生し、外部コンテンツに埋め込まれた敵の命令は、ユーザの意識なしにエージェントの動作を操作できる。 この2つの目的を3つのエージェント設定で評価した。
  論文  参考訳（メタデータ） (2026-03-16T14:49:36Z)
• SPECA: Specification-to-Checklist Agentic Auditing for Multi-Implementation Systems -- A Case Study on Ethereum Clients [1.711666249985278]
  SPECAは、標準要件をチェックリストに変換する仕様からChecklistフレームワークである。 SPECAは,11社を対象とし,フサカアップグレードのセキュリティ監査コンテストの会場内でインスタンス化を行う。 我々の改善されたエージェントは、競争監査の基礎的真実に対して評価され、高影響の脆弱性について27.3%の厳格なリコールを達成した。
  論文  参考訳（メタデータ） (2026-02-07T12:19:00Z)
• AI Security Beyond Core Domains: Resume Screening as a Case Study of Adversarial Vulnerabilities in Specialized LLM Applications [71.27518152526686]
  大きな言語モデル(LLM)はテキストの理解と生成に優れており、コードレビューやコンテンツモデレーションといった自動タスクに最適である。 LLMは履歴書やコードなどの入力データに隠された「逆命令」で操作でき、意図したタスクから逸脱する。 本稿では,特定の攻撃タイプに対して80%以上の攻撃成功率を示すとともに,この脆弱性を再開スクリーニングで評価するためのベンチマークを提案する。
  論文  参考訳（メタデータ） (2025-12-23T08:42:09Z)

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。