論文の概要: TradeGauntlet: Evaluating Compliance Controls for Autonomous Trading Agents
- arxiv url: http://arxiv.org/abs/2611.18493v1
- Date: Fri, 13 Nov 2026 18:05:23 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-16 19:28:30.439875
- Title: TradeGauntlet: Evaluating Compliance Controls for Autonomous Trading Agents
- Title(参考訳): TradeGauntlet: 自律的取引エージェントに対するコンプライアンス制御の評価
- Abstract要約: TradeGauntletはリプレイ可能なリミテッドオーダーブックシミュレータで、検出、防止、実行コストを分離する。
1,680回のClaude Haiku 5.5とSonnet 5.5のシミュレーションセッションでは、すべての行動警告はセルフマッチであった。
ゲイツは自己交差命令を拒絶することでこれらの警告を排除し、一方、集合ゲート条件はソンネットの両側の補充を約15%減らした。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Autonomous trading agents need controls that prevent problematic orders without making legitimate tasks impractical. We study this aspect of agentic compliance with TradeGauntlet, a replayable limit-order-book simulator that separates detection, prevention, and execution cost. In 1,680 simulated sessions with Claude Haiku 5.5 and Sonnet 5.5, all conduct alerts were self-matches. Gates eliminated those alerts by rejecting self-crossing orders, while the aggregate-gate condition reduced Sonnet's two-sided fills by about 15%. A conduct reminder reduced Sonnet's alert rate but reduced Haiku's fills without a detectable alert benefit. These results show why zero alerts alone do not establish an agent's compliance. Scripted probes and two search methods test weaknesses beyond those observed in the LLM runs. The searches find split-order schedules that evade the implemented conduct rules; a learned baseline catches all 2,400 tested searched episodes but also flags 15% of a large maker's sessions. Aggregate caps reduce the response-dependent gain unevenly, with smaller reductions when only near-touch depth affects prices. A response fitted to five Nasdaq stocks and a separate ABIDES experiment expose the dependence of these estimates on market assumptions. A distinct adversarial prompt elicited refusals from Sonnet in all 240 rounds, yielding no candidate strategies to evaluate. TradeGauntlet provides reproducible tests of controls around trading agents; the experiments do not establish legal compliance or real-market detection accuracy.
- Abstract(参考訳): 自律的なトレーディングエージェントは、正当なタスクを非現実的にすることなく、問題のある注文を防止できるコントロールを必要とします。
本稿では,検知,防止,実行コストを分離するリプレイ可能なリミットオーダーブックシミュレータであるTradeGauntletに対するエージェントコンプライアンスのこの側面について検討する。
1,680回のClaude Haiku 5.5とSonnet 5.5のシミュレーションセッションでは、すべての行動警告はセルフマッチであった。
ゲイツは自己交差命令を拒絶することでこれらの警告を排除し、一方、集合ゲート条件はソンネットの両側の補充を約15%減らした。
行動リマインダーはソンネットの警報速度を低下させたが、ハイクの補充は検知可能な警報の恩恵を受けずに減らした。
これらの結果は、ゼロアラートだけでエージェントのコンプライアンスを確立しない理由を示している。
スクリプトプローブと2つのサーチメソッドは、LLMの実行で観測されたよりも弱点をテストする。
学習ベースラインは、テストされた2,400のエピソードをすべてキャッチするだけでなく、大手メーカーのセッションの15%をフラグ付けする。
アグリゲートキャップは反応依存性の利上げを不均一に減少させ、近タッチ深度だけが価格に影響を及ぼす場合の減少を小さくする。
5つのナスダック株と別のABIDES実験に適合した回答は、これらの見積もりが市場の仮定に依存していることを明らかにする。
反対派のプロンプトは、240発の全てのラウンドでソンネットを拒絶し、評価すべき候補戦略は得られなかった。
TradeGauntletは、トレーディングエージェントに関するコントロールの再現可能なテストを提供する。
関連論文リスト
- Mitigating Agentic Deception via Evaluation-Side Partially Observable Games [48.59057545529439]
評価側部分観察可能な多角形ゲーム(e-PoG)としての偽装緩和の定式化
e-PoGは、エージェントが報酬を最大化し、モニターがエージェントの支払いを最小化し、固定検証器がモニターのクレームを検証し、それらを罰則に変換する最大限のフレームワークである。
Gemma3-4B-ITとQwen3-4B/8Bによるエージェントロールプレイング、サーチQA、WebShopの実験では、e-PoGは複数の創発的偽装モードを持ち、26.2%の偽装緩和、39.8%のタスク成功率で最強のベースラインを上回っている。
論文 参考訳(メタデータ) (2026-11-09T18:33:13Z) - What Do Collusion Probes Read? Three Pitfalls in Evaluating Multi-Agent Collusion Monitors [0.0]
アクティベーションプローブは、大きな言語モデル(LLM)エージェント間の秘密共謀のほぼ完璧なモニターのように見える。
エージェントがコラージュをするように指示されたことを、主に検知できることを示します。
コントロールを任意のコラシオンモニターをテストするプロトコルに変換し、スキャン統計を任意のサイズのグループのためのオンラインモニタに適応させる。
論文 参考訳(メタデータ) (2026-11-07T09:53:19Z) - SciCheck: A Framework for Verifying the Integrity of Deep Learning Training [47.57672664631601]
SciCheckは、科学者が自由にトレーニング設定を探索し、検証したい候補毎にブループリントを台帳にポストするフレームワークである。
統計的判断モデルは、検証者自身の参照実行とステップごとの勾配統計を比較し、再実行チェックポイントが1回に1回台帳にコミットされるスポットチェックを行う。
テストした攻撃に対して、スポットチェックは、この精度の大部分を考慮し、各レイヤが検出できるものを特徴付けます。
論文 参考訳(メタデータ) (2026-11-06T18:58:38Z) - VeriCUA: Learning Proactive Verification for Reliable GUI Agent Rewards [52.80093616378547]
単試行で検証戦略を学習する積極的報酬エージェントであるVeriCUAを紹介する。
オンライン強化学習は、判決の正当性と効率の良いプローブの使用の両方を最適化する。
GPT-5.4を5.36ポイント上回り、プロブトークンは47.6%-59.8%減少し、1B VeriCUAも全ての審査員を上回る。
論文 参考訳(メタデータ) (2026-10-19T14:17:33Z) - When Can You Trust an Agent's Own Verifier? Stress-Testing Counterfactual Rationale Verification Under Search Pressure and Oracle Access [2.548904650574671]
エージェントがそれに対して最適化したら、検証者が信頼性を保つかどうかを問う。
私たちの貢献は新しい検証ではなく、ストレステストの方法です。
テストはRationale Consistency Score(RCS)という独自の検証装置に適用する。
我々は報告基準を提案し、検証を$$で監査し、これらのプローブを信頼する前に検証する。
論文 参考訳(メタデータ) (2026-10-16T00:41:30Z) - Can LLM Agents Automate Reinforcement Learning for Text-to-Speech? [64.13250261774849]
私たちは、共有ワークスペースの周りに、ヒューマンガイダンスとエージェント実行を構造化するコラボレーティブワークフローを構築します。
エージェントが何を自動化するかを測定するため、我々は公開レシピに対して段階的に軌道ステージを監査する。
以上の結果から, エージェントは不特定レシピを回収し, 改良し, 失速した場合には, 文献を調査し, LMキャリアからフローキャリアへピボットすることがわかった。
論文 参考訳(メタデータ) (2026-10-03T12:44:09Z) - VeriHarness: Scaling Agentic Verification for Long-Horizon Tasks [56.74345405508208]
LLMエージェントはますます複雑で長期のタスクをこなし、そのアウトプットを検証することがますます困難になっている。
本研究では, 基準応答へのアクセスや試験時の潤滑油の分解を行わずに, 固定ベースモデルで検証能力を強化する方法について検討する。
コンセンサスによってエラーを隠蔽できる一方で、不一致はしばしば正しい代替手段を公開することに気付きました。
これらの観察はVeriHarnessを動機付け、ジェネレータが使用する基礎となるLLMを、ワークスペース、エビデンスツール、再利用可能な検証スキルを与えることによって、エージェント検証器に変える。
論文 参考訳(メタデータ) (2026-10-01T03:02:17Z) - Measurement Boundaries in LLM Financial Agent Evaluation: Fixed-Tape Execution and Multi-Defect Auditing [0.0635655952373977]
本研究では,金融エージェントの評価において,実行性能の解釈と監査スコアの2つの限界について検討する。
StudyAでは、3つの合成セッティング上での独立実行とストレスのある実行を比較することで、実行ルールと新しいモデル応答とポートフォリオフィードバックが混在する。
StudyBでは,従来のタスクをゼロ,1,2の欠陥タスクに,明示的なマルチラベルプロンプトで置き換えることによって,1から2の欠陥からの目標違反リコールの減少は,監査と情報源の組み合わせの5つのうち5つにおいて肯定的である。
論文 参考訳(メタデータ) (2026-09-26T08:54:21Z) - TwinCheck: Evidence-Grounded Negative-Twin Verification for Stateful Tool Agents [1.1279808969568255]
TwinCheckは、トレースがトレースローカル障害仮説に結びついている証拠条件を満たす場合にのみ、置換を検討するポリシーである。
ペア評価の場合、正確なリプレイはエージェントのパースされた応答とアクションを保持し、最初の置換が受け入れられるまで固定される。
論文 参考訳(メタデータ) (2026-09-22T18:09:40Z) - Repeated-Game Security for Restaking-Based Verifiable Inference [2.9661360665913574]
本論文は,1ラウンドスラッシング条件が同一の利害関係下での推論を繰り返すと,セキュリティを過小評価できることを示す。
本稿では,歴史に依存した課題,評価ヘビー級のスラッシュ,利得の優位性を組み合わせた展開可能なメカニズムを提案する。
論文 参考訳(メタデータ) (2026-08-10T03:03:56Z) - Abliteration Is Not a Scalpel: Off-Target Effects of Refusal Removal on Decision Disposition Across Model Families [51.56484100374058]
放棄 — モデルの拒絶方向を重みから取り除く — は、一般的な"アンセンソルド"なオープンウェイトモデルの標準的なレシピである。
ディスポジションプローブとして21,600個の決定を不確実性の下で使用し、凍結パイプラインを通じて再生することにより、決定層モデルが唯一の変数となる。
3つのエフェクトは2つのファミリーにまたがって複製される(ゼロを除く週間クラスターCI)
4つ目の効果は符号を逆転する:同じ操作によりGemmaで読み取られた方が自信が弱まり、Qwenで読み取られたものがより多くなる(ファミリーCIは重複しない)。
論文 参考訳(メタデータ) (2026-07-19T22:27:00Z)
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。