論文の概要: Incentive-Responsive Agents: A Principal-Agent Framework, Metric Suite, and Runtime Architecture for Long-Lived Personal AI Agents
- arxiv url: http://arxiv.org/abs/2611.15515v1
- Date: Wed, 11 Nov 2026 14:09:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.163888
- Title: Incentive-Responsive Agents: A Principal-Agent Framework, Metric Suite, and Runtime Architecture for Long-Lived Personal AI Agents
- Title(参考訳): Incentive-Responsive Agents:長生きしたパーソナルAIエージェントのためのPrincipal-Agent Framework、Metric Suite、ランタイムアーキテクチャ
- Abstract要約: 我々は、インセンティブをプロンプトのテキストではなく、エージェントの動作ポイントに対する実行時の契約として定式化する。
我々は,隠れた作業,契約可能な動作点,コストのかかる検証を行うプリンシパルエージェントモデルを開発した。
- 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: Personal AI agents now persist: they hold accounts, mailboxes, long-term memory, and open-ended task streams, yet the dominant way to improve them remains capability-side: prompt engineering, larger models, longer thinking, and retrieval. We argue that long-lived agents are missing an incentive layer. We formalize an incentive not as text in a prompt but as a runtime contract over the agent's operating point (model tier, test-time compute, memory budget, tool authority, task priority, verification, and compensation) that the agent's policy must causally consume. We develop a principal-agent model with hidden effort, a contractible operating point, and costly verification. We derive (i) a non-consumption invariance principle separating genuine incentives from prompt-level persuasion, (ii) a persistence-as-discount theorem making identity continuity a precondition for sustained effort, (iii) an incentive-capability exchange-rate frontier yielding a per-task routing rule, and (iv) a Goodhart bound for multi-channel verification, plus a three-channel decomposition of mechanism gains (allocation, verification, continuation). A 240-run real-LLM experiment with two models and 60 verifiable tasks shows that prompt-level incentive framing has no detectable effect (p = 0.62), whereas runtime allocation raises success on the hardest task family from 0.60 to 1.00 (p = 0.008) at 4.8x price-weighted cost; the exchange-rate theorem predicts the break-even baseline at 0.21. A 20-seed, 3,000-task simulation shows resource ROI rising from 7.09 to 16.67 and gaming falling from 0.333 to 0.115. Code, simulator, and all results are released; live deployment remains future work.
- Abstract(参考訳): アカウント、メールボックス、長期記憶、そしてオープンなタスクストリームを保持するが、それらを改善する主要な方法は、迅速なエンジニアリング、より大きなモデル、より長い思考と検索である。
我々は長寿命のエージェントがインセンティブ層を欠いていると主張している。
我々は、エージェントのポリシーが慎重に消費しなければならないような、エージェントの操作ポイント(モデルレベル、テストタイム計算、メモリ予算、ツール権限、タスク優先度、検証、補償)に対する実行時の契約として、プロンプトのテキストとしてではなく、インセンティブを形式化する。
我々は,隠れた作業,契約可能な動作点,コストのかかる検証を行うプリンシパルエージェントモデルを開発した。
由来
一 真のインセンティブを即時的な説得から切り離す非消費不変原則
(ii) 恒常性を持続的努力の前提条件とするパーシステンス・アズ・ディスカウントの定理。
三 タスクごとのルーティングルールを付与するインセンティブ-能力交換レートフロンティア
(iv)多チャンネル検証のためのグッドハートと、メカニズムゲインの3チャンネル分解(アロケーション、検証、継続)。
2つのモデルと60の検証可能なタスクによる240ランの実LLM実験では、急速レベルのインセンティブフレーミングは検出できない(p = 0.62)が、一方、実行時アロケーションは4.8倍のコストで0.60から1.00(p = 0.008)に成功し、交換レートの定理は0.21と予測される。
20シード3000タスクシミュレーションでは、リソースのROIが7.09から16.67に上昇し、ゲームは0.333から0.115に低下した。
コード、シミュレータ、そしてすべての結果がリリースされます。
関連論文リスト
- When Should Agents Remember? Falsification-Gated Self-Evolution for LLM Agents [5.558897150967209]
FGSE(Falsification-Gated Self-Evolution)は、各候補の授業を構造化仮説として表現する検証済みの枠組みである。
FGSEはこの仮説を一時的な状態にのみ適用し、ターゲット・トランスファー、ファルシフィケーション、アーカイブされた回帰プローブでテストし、測定された利得とリスクに応じてコミット、精査、拒否する。
Web、アプリ、ツール使用、長期メモリベンチマーク全体で、FGSEは39.8 WebArena成功率、78.8 AppWorld平均完成率、0.724/0.487 Passを含む、強力なタスクパフォーマンスを達成する。
論文 参考訳(メタデータ) (2026-11-10T16:52:25Z) - Phronix: The Capability-Centric Learning Paradigm for Agents [3.8503856258832205]
Phronixは、エージェントハーネスが再利用可能な機能を取得し、検証し、洗練することを可能にする能力中心の学習パラダイムである。
観測されたすべてのインタラクションを機能ストアに蒸留し、それを放棄するのではなく、失敗するタスクを研究する。
論文 参考訳(メタデータ) (2026-10-22T18:29:52Z) - Long-Horizon-Terminal-Bench 2.0: Automating Diverse Task Construction and Measuring Sustained Agent Progress [59.76726249334829]
本稿では,LHTB 2.0(Long-Horizon-Terminal-Bench 2.0)について述べる。
LHTB 2.0は46のタスクを保存し、タスクと評価インフラの欠陥を修正し、31のタスクを拡張する。
拡張されたタスクは、体系的な再構築タスクパイプラインを通じて生成される。
論文 参考訳(メタデータ) (2026-10-09T15:22:53Z) - MeshHeal: Two-Timescale Self-Healing for Gray Failures in Decentralized LLM Agent Networks [60.95806999869478]
MeshHealは、完全に分散化された自己修復フレームワークである。
能力にマッチしたピアレビューを2つのタイムスケールに分けている。
1タスクあたり51kのトータルモデルトークンを使用して0.839の劣化位相精度を達成し、最強のベースラインでは1タスクあたり115kの0.807の精度を達成した。
論文 参考訳(メタデータ) (2026-09-24T04:29:37Z) - Measurement Without Validity: The Compounding Reliability Problem in Agentic AI Evaluation [0.0]
エージェントAI評価パイプラインは、デプロイメント決定、安全認定、規制コンプライアンス要求を正当化するベンチマークスコアを生成する。
正式なフレームワークはまだ、これらのパイプラインのステージにおける妥当性の低下を特徴付けていない。
本稿では,タスク生成,人間シミュレーションキャリブレーション,自動判定の3層合成妥当性モデルを提案する。
論文 参考訳(メタデータ) (2026-08-01T17:50:12Z) - Dynamic Coalition Formation and Communication Pricing in Skill-Based Agentic AI Systems [0.0]
タスク条件付きネットユーティリティ$U(Cmid x)=V(Cmid x)-sum_iin Cc_i$との協調ゲームとしてエージェントの選択と通信をモデル化する。
本稿では,限界値のアクティベーションルールとgreedyルータを提案し,そのモデルを拡張してエッジ毎のコストで通信エッジを最適化し,推定したShapley値を用いて,実行前後にどのエージェントが接触する価値があるかを推定する。
論文 参考訳(メタデータ) (2026-07-24T19:25:21Z) - TRACE: Turn-level Reward Assignment via Credit Estimation for Long-Horizon Agents [51.523913302114266]
TRACE(Turn-level Reward Assignment via Credit Estimation)は、エージェント強化学習のための高密度クレジットアサインメント手法である。
ツールコール境界における状態遷移としてロールアウトを表現し、凍結参照モデルからゴールド・アンサー・ログ確率を取得し、それらをログ比の状態値に変換し、それらの値の時間差変化としてアクション毎の報酬を導出する。
純粋なRLを用いたベースモデルツール使用能力を大幅に向上させ、冷間開始制御された微調整ステージ、エージェント訓練ステージ、ライブWebデータによるトレーニングを不要とした。
論文 参考訳(メタデータ) (2026-07-15T16:16:42Z) - To Run or Not to Run: Analyzing the Cost-Effectiveness of Code Execution in LLM-Based Program Repair [18.653708704742353]
実行には時間がかかり費用もかかるが、プログラム修復エージェントへの影響は未調査のままである。
コード実行は分析されたすべてのエージェントとモデルで使用され、タスク毎に平均8.8のテスト実行が実行される。
現在のエージェントは実行を無差別に適用し、ほとんど利益が得られないインスタンスにコストを支払う。
論文 参考訳(メタデータ) (2026-06-25T12:49:59Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳(メタデータ) (2025-12-09T06:52:21Z) - Runaway is Ashamed, But Helpful: On the Early-Exit Behavior of Large Language Model-based Agents in Embodied Environments [54.67512489842682]
大規模言語モデル(LLM)は、複雑な実施環境において、強力な計画と意思決定能力を示す。
LLMをベースとしたエージェントの早期退避行動を探究する第一歩を踏み出す。
論文 参考訳(メタデータ) (2025-05-23T08:23:36Z)
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。