User-எழுதிய permission policies: AI agent overreach தடுப்பில் human approval முன்னிலை — 113-பங்கேற்பாளர் ஆய்வு

ஆசிரியர் மற்றும் நிலை: Ting Yan எழுதிய இந்த ஆய்வு 27 ஆகஸ்ட் 2026 அன்று arXiv preprint ஆக வெளியிடப்பட்டது; arXiv பதிவில் நிறுவன இணைப்பு குறிப்பிடப்படவில்லை. reusable allow/ask/never விதிகள் — பயனரே முன்கூட்டியே எழுதும் permission policies — runtime review-ஐ விட agent overreach-இல் இருந்து சிறப்பாகப் பாதுகாக்கின்றனவா என்பதே ஆய்வின் மையக் கேள்வி.

முறை: 113 பங்கேற்பாளர்களுடன் நடத்தப்பட்ட controlled study-யில், MCP proxy வழியாக இயங்கும் agent-களின் simulated overreach நிகழ்வுகள் மூன்று நிபந்தனைகளில் சோதிக்கப்பட்டன: user-authored policies, ஒவ்வொரு செயலுக்கும் human approval, மற்றும் automated review.

முடிவு: user-authored policy நிபந்தனை, per-action human approval-ஐ விட 20.1 சதவீத புள்ளிகள் குறைவாகவும், automated review-ஐ விட 14.5 புள்ளிகள் குறைவாகவும் simulated overreach-ஐத் தடுத்தது. Approval design consequence-aware ஆக வடிவமைக்கப்பட வேண்டும் என்பதே ஆய்வின் அறிவுரை.

நடைமுறைப் பரிந்துரை: workflow state, idempotency keys, tool inputs, policy decisions, approvals, outputs மற்றும் compensating actions ஆகியவற்றை persist செய்யுங்கள்; recovery மற்றும் audit இதனைச் சார்ந்துள்ளது.

வரம்புகள்: simulated ஒரே நாள் சூழல், ஒரே பங்கேற்பாளர் குழு, ஒரே policy வடிவமைப்பு; எல்லா permission அமைப்புகளுக்கும் பொருந்தும் உலகளாவிய ஒப்பீடு அல்ல என ஆசிரியர் குறிப்பிடுகிறார்.