論文の概要: When Does a Cross-Device Run Justify PASS? Obligation-Level Evidence Qualification under Partial Observability

• arxiv url: http://arxiv.org/abs/2611.06013v1
• Date: Wed, 04 Nov 2026 06:03:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 03:25:57.994739
• Title: When Does a Cross-Device Run Justify PASS? Obligation-Level Evidence Qualification under Partial Observability
• Title（参考訳）: クロスデバイス・ランニングはPASSをいつ正当化するか? 部分的可観測性の下でのオブジェクト・レベル・エビデンス・資格化
• Abstract要約: クロスデバイステストはコマンドを完了できるが、他のデバイスや試みに属する証拠からビジネスクレームを判断することができる。 評価の前に、支援資格を明示的な段階にする実行可能なエビデンス契約を導入する。
• 参考スコア（独自算出の注目度）: 2.99757832171627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A cross-device test can complete every command yet judge a business claim from evidence belonging to another device or attempt. We introduce an executable evidence contract that makes support qualification an explicit stage before predicate evaluation. It binds each obligation to admissible subjects, episodes, objects and observation scopes, and records unresolved support rather than treating an apparently successful observation as proof. We evaluate two implemented parts of the contract. A prospectively specified, 12-seed controlled study isolates association under reused identifiers across 2,304 claims. Given identical records and business policy, Atomic-Facts Flat produces 160 false PASS and 76.30% PASS recall; supplying computed associations reduces false PASS to five and increases PASS recall to 99.09%. Deterministic Closure produces zero false PASS and 100.00% PASS recall, improving on Atomic Flat in 11 seeds with one tie (two-sided sign p=0.00098). Most of the benefit comes from explicit association rather than graph notation. A separate prospective field characterization spans four workflows, 40 physical episodes and 80 claims. Against frozen reference labels, the physical-evidence verifier attains 95.00% accuracy and 100.00% PASS recall (27/27), with three false PASS judgments. The field results are descriptive: a policy-input mismatch prevents the planned matched-policy comparison, and post-hoc sensitivity does not establish superiority over a policy-informed textual baseline. Together, the studies characterize qualification on physical evidence and isolate the value of explicit association under a controlled matching contract.
• Abstract（参考訳）: クロスデバイステストはすべてのコマンドを完了できるが、他のデバイスや試みに属する証拠からビジネスクレームを判断することができる。 評価の前に、支援資格を明示的な段階にする実行可能なエビデンス契約を導入する。 それは、許容対象、エピソード、対象、観察範囲にそれぞれの義務を結び付け、明らかに成功した観察を証明として扱うのではなく、未解決の支援を記録している。 契約の実施箇所を2つ評価した。 前向きに特定された12系統の制御された研究は、2,304件のクレームで再利用された識別子の下で関連を分離する。 同一の記録と事業方針から、Atomic-Facts Flatは160個の偽PASSと76.30%の偽PASSリコールを生成し、計算された協会の供給は偽PASSを5つに減らし、PASSリコールを99.09%に増やしている。 決定論的クロージャは偽のPASSゼロと100.00%のPASSリコールを生成し、11個の種子のアトミックフラットを1本のタイで改善する(両側の記号p=0.00098)。 利点の大部分は、グラフ表記よりも明示的な関連性にある。 4つのワークフロー、40の物理エピソード、80のクレームがある。 凍結された基準ラベルに対して、物理証拠検証器は95.00%の精度と100.00%のPASSリコール(27/27)を達成し、3つの偽のPASS判定を行う。 ポリシインプットのミスマッチは、計画された一致した政治比較を妨げ、ポストホック感度はポリシーインフォームされたテキストベースラインよりも優位性を確立しない。 両研究は, 身体的証拠に関する資格を特徴付けるとともに, 制御された一致契約の下での明示的関連性の価値を分離する。

関連論文リスト

• Evidence-Guided Recovery for AI Agents with Ambiguous Tool Outcomes and Partial Execution [12.527950208666091]
  我々は、承認された義務、提供者、国家に対する証拠に導かれたタスク回復を定式化します。 ターミナルワークフローは、実際の目標満足度と、公式にサポートされている安全な完了とを分離する。
  論文  参考訳（メタデータ） (2026-10-30T08:55:55Z)
• Answer with Evidence: Consistency-Aware Grounded Visual Question Answering for Roadside Traffic Scenes [74.32863692381677]
  RoadSceneVQA-Gは34.7Kの質問応答対のベンチマークである。 RoadSceneVQA-Gは34.7Kの質問応答対のベンチマークである。
  論文  参考訳（メタデータ） (2026-10-04T14:48:54Z)
• Trust Is Not a Score: Runtime Assurance Contracts for High-Risk AI Agents [0.0]
  本稿では,ポリシーレベルの形式的スキーマバインディング境界,コンポーネントの適性,エビデンス状態,遷移ポリシ,ヒューマンレビュー能力,非補償ゲートを提案する。 調整された保証契約(RAC)の下では、ソフトメトリクスはルーティングを通知するが、失敗または未知の強制ゲートフォースはリトライ、スイッチ、エスカレーション、デフェラル、ストップを行う。
  論文  参考訳（メタデータ） (2026-09-30T13:28:42Z)
• TWIST: A Proposed Benchmark for Intervention Quality in Conversational Memory, with a Human-Validated Draft-Alignment [0.0]
  TWISTは、補完的かつ未測定なプロパティ、介入品質のためのベンチマークスイートである。 4つのトラックは、未解決の緊張検知をカバーし、現在の信念に応えて、記録に反するドラフトを検証している。 システムTWISTプロファイルはリコールスコアの他に、メモリがいつ介入すべきかを計測する。
  論文  参考訳（メタデータ） (2026-09-23T12:25:28Z)
• 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)
• VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
  テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。 それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。 我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
  論文  参考訳（メタデータ） (2026-09-02T20:36:45Z)
• Labels Are Not Endpoints: Treatment Leakage and Construct Validity in MCP Agent Security Evaluation [0.0]
  10,200行の実行行を180のモデルバウンドリクエスト,45のセマンティックリクエスト,15の観測可能な刺激にトレースすることで,保存されたキャンペーンを監査する。 我々は、7リンクの積分チェインと、スコープ境界の終端積分linterをコントリビュートする。
  論文  参考訳（メタデータ） (2026-08-13T06:44:40Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Affordance Agent Harness: Verification-Gated Skill Orchestration [45.231685718099264]
  Affordance groundingは、オープンワールドのシーンでエージェントがどこでどのように対話すべきかを特定する必要がある。 本稿では,エビデンスストアとコストコントロールを備えたクローズドループランタイムであるAffordance Agent Harnessを提案する。
  論文  参考訳（メタデータ） (2026-05-01T13:45:16Z)

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。