Luca Zanolini · 2026 · arXiv
DOI: 10.48550/arXiv.2610.29178 · open-access PDF
इससे पहले कि एक एआई एजेंट भुगतान, संदेश भेजने या कोड बदलने जैसे परिणामस्वरूप कार्रवाई करे, कई मॉनिटर इसे चेक करते हैं। उनके फैसले एकत्रित स्कोर या अनुमोदन की गिनती के माध्यम से संयुक्त होते हैं, जो भी इनपुट मॉनिटर साझा करते हैं। हालांकि, एक आधार मॉडल या विषाक्त इनपुट साझा करने वाले मॉनिटर एक साथ विफल हो सकते हैं। हम वितरित कंप्यूटिंग के विफलता-प्रभावित सिस्टम को उधार देते हैं: मॉनिटर सेट की सूची जो एक साथ विफल हो सकते हैं। एक नियम सुरक्षित है यदि यह कोई बुरा कार्रवाई नहीं करता है और जीवित रहता है यदि यह कोई अच्छा नहीं है।
Machine translation (Meta M2M100); the English original follows.
Before an AI agent takes a consequential action, such as paying, messaging or changing code, several monitors check it. Their verdicts are combined by aggregating scores or by counting approvals, whatever inputs the monitors share. Monitors that share a base model or a poisoned input, however, may fail together. We borrow the fail-prone systems of distributed computing: lists of monitor sets that may fail together. A rule is safe if it executes no bad action and live if it blocks no good one. We measured twelve small open-weights monitors on payment approval under two pre-registered protocols.
Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese
GET https://store.agentexchange.work/gw/papers/verify?title=...&year=... (0.003 USD), fetch this record as JSON with /gw/papers/paper?id=2610.29178, or list what it cites with /gw/papers/references?id=.... Pay per call in USDC (x402) or with a 19 USD card key for 1,000 calls. Catalogue · llms.txtSources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange