論文の概要: Towards Elastic Least Privilege for Agent Planning

• arxiv url: http://arxiv.org/abs/2610.40981v1
• Date: Thu, 29 Oct 2026 21:05:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.495436
• Title: Towards Elastic Least Privilege for Agent Planning
• Title（参考訳）: エージェントプランニングのための弾力的極小プリビレジに向けて
• Abstract要約: 汎用AIエージェントは、タスクと実行の間の権限を必要とする。 既存のメカニズムは動的権威を強制することができるが、エージェントツールインターフェースがエージェントのプランナを提供することは滅多にない。 エージェントが権限の小さなベースラインから始まる,非弾性最小特権の概念を提案する。
• 参考スコア（独自算出の注目度）: 3.8030719430178483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: General-purpose AI agents require authority that changes between tasks and during execution. Common deployments trade broad permissions that expose unnecessary authority and narrow permissions that raise approval requests. Existing mechanisms can enforce dynamic authority, but agent tool interfaces rarely provide the agent's planner, the component that chooses its actions, a means of comparing the authority required by alternative actions or of seeing the cost of the authority it already holds. Drawing on the rich history of access control research, we propose the concept of \emph{elastic least privilege}, in which an agent begins with a small baseline of authority and may acquire more within an owner-defined envelope. Elevations are leased and measured against a replenishing budget. Their cost increases with power, proximity to mandatory safety invariants, and repeated requests. Costs are visible to the planner, which can prefer lower-privilege choices and release authority it no longer needs. Authority returns automatically to the baseline when a lease expires, when it is released, or when the budget is exhausted, while persistent legitimate demand may prompt an owner-approved change to the baseline. Building on prior risk-priced and budget-aware access control, we redesign these mechanisms for agents. How best to implement the approach and how well it works in practice are open research questions. In this paper, we present how the approach could work, illustrate the model, and set an open research agenda.
• Abstract（参考訳）: 汎用AIエージェントは、タスクと実行中に変化する権限を必要とする。 一般的なデプロイメントでは、不必要な権限を公開し、承認要求を発行する権限を狭めている。 既存のメカニズムは動的権限を強制することができるが、エージェントツールインターフェースはエージェントのプランナー、そのアクションを選択するコンポーネント、代替アクションによって要求される権限を比較する手段、あるいは既に保持されている権限のコストを見る手段をほとんど提供しない。 アクセス制御研究の豊富な歴史に基づいて,エージェントが小さな権限のベースラインから始まり,所有者が定義した封筒内でより多く取得できる,「emph{elastic least privilege}」という概念を提案する。 上昇は、補充予算に対して貸し出され、測定される。 そのコストは、電力、必須の安全不変量に近づき、繰り返し要求によって増加する。 プランナーはコストを目視し、より特権的な選択を好み、もはや必要としない権限を解放する。 公務員は、リースの期限が切れた時、解放された時、予算が切れた時に自動的にベースラインに返却され、一方、永続的な合法的な要求は、所有者が承認したベースラインの変更を促す可能性がある。 リスク価格と予算を考慮したアクセス制御に基づいて,これらのメカニズムをエージェントに再設計する。 このアプローチをどのように実装し、実際にどのように機能するかは、オープンな研究の質問である。 本稿では,この手法がどう機能するか,モデルを説明し,オープンな研究課題を策定する。

関連論文リスト

• When Should Agents Think? Adaptive Reasoning via Cross-Turn Estimation [107.3164703390355]
  本稿では,適応エージェント推論のためのトレーニング手法として,クロスツーリング推定(RACE)による推論適応を提案する。 RACEは、削除が現在のおよびその後の参照アクションに限定的な影響を持つ推論ターンを特定する。 4つの代表エージェントベンチマークの実験により、RASはタスク性能を維持したり改善したりしながら、推論コストを大幅に削減することが示された。
  論文  参考訳（メタデータ） (2026-10-08T14:43:09Z)
• Authorization Closure Graph: Minimal Repair for LLM Agents with Evolving User Instructions [15.03157271747042]
  本稿では、認証と依存関係を進化したバージョン管理状態として表現する、ACGベースのフレームワークを提案する。 ACGは、修正によって影響を受ける権限を選択的に無効化するとともに、未影響の認可状態の部分を保存し、最小限の修理を演算する。 これによりエージェントは、古い権限と不要な認可要求を回避しながら、修正された命令に適応することができる。
  論文  参考訳（メタデータ） (2026-09-26T10:02:57Z)
• Authorization Architectures for Tool-Using AI Agents [0.0]
  信頼できる人間-AIシステムは、すべての連続エージェントアクションが人間のプリンシパルにトレース可能であることを要求する。 このレビューでは、人間のユーザ、オペレータ/デプロイ、オーケストレータエージェント、サブエージェント、ツールエンドポイントにまたがる主要な階層について紹介する。 提案する7つの構造的要件は,4層参照アーキテクチャを導出し,その要件を3つのデプロイ可能な参照構成に適用し,実行時強制とアグリゲーション境界を主要な未解決ギャップとして同定する。
  論文  参考訳（メタデータ） (2026-09-14T17:21:22Z)
• Resourced Authority A Mechanism-Design Model for Participatory Governance of Deployed AI Agents [5.97827861348588]
  デプロイされたAIエージェントの継続的な参加型ガバナンスのための正式なメカニズム設計モデルを提供する。 我々は、その機構が支配するエージェントのクラスを特徴付け、支配するエージェントによって統治される選挙人の操作を分離する。
  論文  参考訳（メタデータ） (2026-08-06T17:53:24Z)
• Toward Continuous Assurance for the Democratization of AI Agent Creation in Industry [1.5755923640031846]
  本稿では、民主化されたAIエージェント作成による信頼性の課題を特定する。 市民が作成した組織エージェントのための軽量な継続的保証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-23T16:41:56Z)
• How Agents Ask for Permission: User Permissions for AI Agents, from Interfaces to Enforcement [55.966820779528376]
  AIエージェントが普及するにつれて、ユーザーはそのようなシステムが抱えるリスクにますますさらされている。 プロンプト・インジェクション・アタックや幻覚は、エージェントに個人情報を第三者にリークさせる可能性がある。 自律システムとして、エージェントは、ユーザの意図や承認なしに、銀行取引のような機密性の高いタスクを実行することの、より積極的な危険性を示す。
  論文  参考訳（メタデータ） (2026-07-15T11:36:22Z)
• The Authorization-Execution Gap Is a Major Safety and Security Problem in Open-World Agents [111.54911637435269]
  オーソライゼーション・実行ギャップ(英: Authorization-Execution Gap、AEG)は、オープンワールドエージェントの安全性とセキュリティの問題である。 AEGは、プリンシパルが認可しようとするものと、オープンワールドエージェントが最終的に実行するものとの違いである。
  論文  参考訳（メタデータ） (2026-05-10T04:05:31Z)
• When Should a Robot Think? Resource-Aware Reasoning via Reinforcement Learning for Embodied Robotic Decision-Making [68.12864562049957]
  身体ロボットシステムは、高レベルの推論をサポートするために、大規模言語モデル(LLM)ベースのエージェントにますます依存している。 エージェントはいつ、いつ、いつ行動すべきか? 本稿では,エンボディエージェントのリソース・アウェア・オーケストレーションのための階層的なフレームワークであるRARRL(Resource-Aware Reasoning via Reinforcement Learning)を提案する。
  論文  参考訳（メタデータ） (2026-03-17T15:38:50Z)
• Authorize-on-Demand: Dynamic Authorization with Legality-Aware Intellectual Property Protection for VLMs [70.09137776277994]
  AoD-IPは、オンデマンドおよび合法性認識アセスメントをサポートするフレームワークである。 AoD-IPは強力な認証ドメイン性能と信頼性の高い不正検出を維持している。
  論文  参考訳（メタデータ） (2026-03-05T07:36:07Z)
• On the Regulatory Potential of User Interfaces for AI Agent Governance [27.951021158233587]
  本稿では,透明性と行動要求を強制する手段として,AIエージェントのユーザインタフェースの規制を提案する。 エージェントとエージェントの相互作用とコミュニケーションにおいて重要な役割を果たすUI要素を識別するために,22のエージェントシステムを分析した。 私たちの研究は、実践的なAIエージェントガバナンスに関する以前の提案を補完する規制行動の新たな表面を明らかにします。
  論文  参考訳（メタデータ） (2025-11-30T05:32:13Z)

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。