Governance-as-Code: Managing Agentic AI with a Distributed Dual Proxy Gateway
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The rapid adoption of large-language models (LLMs) has shifted enterprise AI from model-centric experimentation to production-scale, policy-constrained deployments. Traditional “LLM-as-a-service” governance breaks down when LLMs are embedded in agentic execution loops that plan, act, observe, and adapt while calling external tools. This paper traces the architectural evolution from embedded wrappers and sidecar proxies to a multi-plane, dual-proxy gateway, in which lightweight edge proxies and heavyweight core proxies cooperate to provide low-latency guardrails, global policy enforcement, and verifiable attestation chains. We introduce a governance-as-code approach that compiles compliance workflows into WebAssembly (Wasm) modules. Edge proxies execute these modules, obtain cryptographic signatures from specialized microservices, and forward only fully attested prompts to the core proxy, which ultimately forwards them to the LLM. Micro-benchmarks show that Wasm-mediated validation adds ≤ 20 ns overhead for CPU-bound tasks and ≈ 120 ns when serializing complex data types negligible relative to LLM inference times. The design achieves auditable, decentralized governance with good performance, laying the groundwork for high-assurance, tool-using agentic AI in the enterprise.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle