跳到正文
arXiv cs.MA· Nami Cho, Shailja Gupta·· 23 小时前AI 评分26

SCAFFOLD:面向可复用 LLM 智能体技能的证据保全式迁移

SCAFFOLD: Toward Warrant-Preserving Evidence Transport for Reusable LLM-Agent Skills

AI 导读

论文提出 SCAFFOLD 框架,主张以“有依据复用声明”(WRC)作为 LLM 智能体技能前瞻性信任的单元,将授权与版本化技能、目标上下文、证据、假设及已识别反驳条件绑定。框架进一步给出证据保全式迁移(WPET),区分证据可采性与主张真实性,并规定三值适用性及非对称上下文迁移判断。该文仅提供形式化问题陈述、可测试设计义务与报告协议,未实现验证器,也未给出实证优越性结果。

正文 · AI 翻译

查看 PDF

摘要:一个昨天成功的 agent 技能,今天可能无需为今天的复用提供正当性即可执行。测试可能只覆盖可观察的契约条款,结果判定标准可能缺失,评估可能继承同样错误的规范,权限或依赖关系可能在验证与调用之间发生变化。我们认为,前瞻性信任的合适单位是“有正当理由的复用声明”(Warranted Reuse Claim,WRC):一种可废止的、针对具体声明的授权,绑定到带版本的技能、目标上下文、证据、假设以及已识别的废止因素。本文通过“保持正当性的证据传递”(Warrant-Preserving Evidence Transport,WPET)进一步阐明这一立场,这是一种用于判定在上下文变化后哪些历史证据仍然可采纳的拟议准则。它将证据可采纳性与所支持的安全性或有效性声明的真值区分开来;陈述了一个条件性保持结果及其局限;规定了三值适用性和非对称的上下文迁移判断;并说明了来源依赖性和使策略失效的变化如何改变授权。我们明确将本提案与保证案例、契约和技能库维护联系起来,而非声称其组成部分具有新颖性。一项可证伪的纵向评估将在匹配的覆盖率、效用和审查成本下,比较 WRC 引导的策略与强版本感知基线。本文贡献的是形式化的问题陈述、可测试的设计义务和报告协议,而非已实现的验证器、实证优越性结果或通用 agent 安全性的证明。
评论: 8 页,2 幅图,4 张表
主题: 人工智能(cs.AI);多智能体系统(cs.MA);软件工程(cs.SE)
引用为: arXiv:2611.23990 [cs.AI]
  (或本版本的 arXiv:2611.23990v1 [cs.AI])
  https://doi.org/10.48550/arXiv.2611.23990

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Shailja Gupta [查看电子邮件]
[v1] 2026 年 11 月 18 日星期三 07:33:15 UTC(661 KB)

来源:arXiv cs.MA · arxiv.org