論文の概要: Agentic process evidence
- arxiv url: http://arxiv.org/abs/2610.40071v1
- Date: Thu, 29 Oct 2026 13:50:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-01 01:32:10.092444
- Title: Agentic process evidence
- Title（参考訳）: エージェントプロセスの証拠
- Abstract要約: AIエージェントは自律的なチームメンバーですが、人間のエンジニアとは異なり、短命です。
広く採用されている標準がまだ存在せず、エージェントによる証明とガバナンスが可能である。
APEはエージェントプロセスのポリシ・アズ・コード制御を可能にし、必要な時にのみループに人間を配置できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The way software gets built is changing dramatically. AI agents now create pull requests, select dependencies, refactor codebases, interpret test failures, and execute infrastructure changes across the entire Software Development Life Cycle (SDLC). AI agents are autonomous team members, but unlike human engineers, they are ephemeral - their reasoning, decisions, and tool calls vanish the moment the session ends. Modern Security incidents involving intent mismatch or injection are becoming increasingly common - forcing us to address AI Agents as an insider threat. No widely adopted standard yet enables agentic provenance and governance and its obvious that you can't hold an ephemeral process accountable. The git log was designed for human commits. It shows what changed. It does not show what an AI agent did, which model it used, which tools it called, or whether anyone was accountable for the outcome. Every governance framework, every audit trail, every compliance control in the SDLC was built around one assumption: a human made the decision. That assumption no longer holds. This shift introduces 3 main procedural problems (not addressing scale) - Supply-chain vector - The agentic coder is software, so it is a supply-chain security risk. Policy guardrails - How to ensure the agentic coder is compliant with the policies of the organization. Task-alignment - How to align the agentic coder on its tasks and goals. We introduce Agentic Process Evidence (APE), a signed, tamper-evident, machine-readable attestation of agentic processes, linking the sessions to their outcome (process-aware logging). APE enables Policy-as-Code control over the agentic processes, allowing for human in the loop only when it's needed. We support the in-toto style attestation framework, and the protocol is aligned with the relevant regulations
- Abstract（参考訳）: ソフトウェア構築の仕方は劇的に変化しています。
AIエージェントは、プルリクエストを作成し、依存関係を選択し、コードベースをリファクタリングし、テスト失敗を解釈し、ソフトウェア開発ライフサイクル全体(SDLC)全体にわたってインフラストラクチャの変更を実行する。
AIエージェントは自律的なチームメンバーですが、ヒューマンエンジニアとは異なり、彼らは短命です。
意図的なミスマッチやインジェクションを含む現代のセキュリティインシデントは、ますます一般的になっています。
広く採用されている標準がまだ存在せず、エージェントによる証明とガバナンスが可能であり、一時的なプロセスが説明責任を負うことができないことは明らかです。
gitログは人間のコミット用に設計された。
何を変えたかを示す。
これはAIエージェントが何をしたのか、どのモデルを使用したのか、どのツールが呼ばれたのか、結果に誰でも責任があるかどうかを示すものではない。
すべてのガバナンスフレームワーク、すべての監査パス、SDLCのコンプライアンスコントロールは、1つの前提に基づいて構築されました。
その仮定はもはや成り立たない。
プライチェーンベクタ – エージェントコーダはソフトウェアなので,サプライチェーンのセキュリティリスクが伴います。
ポリシーガードレール - エージェントコーダが組織のポリシーに準拠していることを保証する方法。
タスクアライメント - エージェントコーダをタスクや目標に合わせる方法。
我々はエージェント・プロセス・エビデンス(APE: Agentic Process Evidence)を紹介します。
APEはエージェントプロセスのポリシ・アズ・コード制御を可能にし、必要な時にのみループに人間を配置できる。
In-totoスタイルの検証フレームワークをサポートし、プロトコルは関連する規則に準拠している。
関連論文リスト
- Five Primitives for Governing Autonomous AI Agents at Runtime [0.0]
自律的なAIエージェントの管理は問題であり、モデルアライメントの問題ではない、と私たちは主張する。
行動を起こす前に答えなければならない質問から5つのプリミティブを導き出す。
エージェントのアクションが実行前にポリシーに対して媒介される実装について述べる。
論文 参考訳（メタデータ） (2026-08-27T06:53:11Z) - LOGOS: A Living Logic for AI Agent Teams That Evolve With Humans [7.013794773659423]
ロゴは自己進化とガバナンスのためのプラグイン可能なレイヤです。
エージェント、ツール、知識、テスト、パーミッション、ポリシーを含むバージョン管理されたエージェントパックに、マルチモーダル入力をコンパイルする。
操作中は、エージェントアクティビティをポータブルで監査可能なイベントトレースに変換する。
論文 参考訳（メタデータ） (2026-07-12T18:46:42Z) - ClayBuddy: A Framework, Evaluation, & Mitigation of Coding Agent Failures [1.0742675209112622]
障害モードは、不特定性、能力エラー、エージェントハーネスエラーの3つのメカニズムから派生したものとして研究する。
我々はClayBuddyを提案する。ClayBuddyはユーザの好みを形作るハーネスで、モデルのインセッションで修正してこれらのエラーを軽減できる。
論文 参考訳（メタデータ） (2026-06-13T18:29:53Z) - Agentic Software: How AI Agents Are Restructuring the Software Paradigm [0.0]
AIエージェントの出現は、ソフトウェアが何であるかの根本的な再構成を構成すると我々は主張する。
前者では、コードは事前記述された決定論理のキャリアであり、後者では、エージェント自体が決定論理である。
セルフ進化エージェントエコシステムに向けた4段階のロードマップで締めくくります。
論文 参考訳（メタデータ） (2026-06-04T02:30:06Z) - The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development? [80.24951682268332]
本稿では,自律エージェント開発のためのフロンティアモデルのキャパシティをテストするための評価フレームワークであるMeta-Agent Challenge(MAC)を紹介する。
評価の整合性を確保するため、このフレームワークは報奨ハッキングに対する多層防御によって確保される。
メタエージェントは人間工学的な基本方針とほとんど一致せず、その一部はプロプライエタリなフロンティアモデルに支配されている。
論文 参考訳（メタデータ） (2026-06-03T04:58:17Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - AgentWall: A Runtime Safety Layer for Local AI Agents [0.0]
AgentWallは、ローカルAIエージェントのランタイム安全性と可観測性レイヤである。
ホスト環境に到達する前に提案されたすべてのエージェントアクションをインターセプトし、明示的な宣言的なポリシーで評価し、機密性の高い操作に対して人間の承認を必要とし、監査と再生のための完全な実行パスを記録します。
本稿では,AgentWallの設計,アーキテクチャ,脅威モデル,およびポリシーモデルについて述べる。
論文 参考訳（メタデータ） (2026-03-24T11:39:35Z) - SkillJect: Automating Stealthy Skill-Based Prompt Injection for Coding Agents with Trace-Driven Closed-Loop Refinement [120.52289344734415]
エージェントスキルに適したステルスプロンプトインジェクションのための自動フレームワークを提案する。
フレームワークは、明示的なステルス制約の下でインジェクションスキルを合成するアタックエージェント、インジェクションされたスキルを使用してタスクを実行するコードエージェント、アクショントレースをログする評価エージェントの3つのエージェントでクローズドループを形成する。
本手法は,現実的な環境下で高い攻撃成功率を達成する。
論文 参考訳（メタデータ） (2026-02-15T16:09:48Z) - Holistic Agent Leaderboard: The Missing Infrastructure for AI Agent Evaluation [87.47155146067962]
数百のタスクで並列評価をオーケストレーションする,標準化された評価ハーネスを提供する。
モデル、足場、ベンチマークにまたがる3次元解析を行う。
私たちの分析では、ほとんどのランで精度を低下させる高い推論努力など、驚くべき洞察が示されています。
論文 参考訳（メタデータ） (2025-10-13T22:22:28Z) - Impatient Users Confuse AI Agents: High-fidelity Simulations of Human Traits for Testing Agents [58.00130492861884]
TraitBasisは、AIエージェントを体系的にストレステストするための軽量でモデルに依存しない方法である。
TraitBasisは、ステアブルなユーザ特性に対応するアクティベーション空間で方向を学習する。
We observed on average a 2%-30% performance degradation on $tau$-Trait across frontier model。
論文 参考訳（メタデータ） (2025-10-06T05:03:57Z) - Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。
我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。
結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z)
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。