Fugu-MT 論文翻訳(概要): Computational Grounding of Responsibility Attribution and Anticipation in LTLf

論文の概要: Computational Grounding of Responsibility Attribution and Anticipation in LTLf

arxiv url: http://arxiv.org/abs/2410.14544v1
Date: Fri, 18 Oct 2024 15:38:33 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-21 14:25:27.082237
Title: Computational Grounding of Responsibility Attribution and Anticipation in LTLf
Title（参考訳）: LTLfにおける責任属性と予測の計算的グラウンド化
Authors: Giuseppe De Giacomo, Emiliano Lorini, Timothy Parker, Gianmarco Parretti,
Abstract要約: 責任(Responsibility)とは、行動や戦略に関する反現実的な推論を含む多面的な概念である。我々は, 勝敗, 支配的, 最善戦略の合成を含む, 反応合成の概念との関連性を示す。
参考スコア（独自算出の注目度）: 25.988412601884182
License:
Abstract: Responsibility is one of the key notions in machine ethics and in the area of autonomous systems. It is a multi-faceted notion involving counterfactual reasoning about actions and strategies. In this paper, we study different variants of responsibility in a strategic setting based on LTLf. We show a connection with notions in reactive synthesis, including synthesis of winning, dominant, and best-effort strategies. This connection provides the building blocks for a computational grounding of responsibility including complexity characterizations and sound, complete, and optimal algorithms for attributing and anticipating responsibility.
Abstract（参考訳）: 責任は機械倫理と自律システムの領域における重要な概念の1つである。行動や戦略に関する反実的推論を含む多面的概念である。本稿では,LTLfに基づく戦略的環境における責任の異なるバリエーションについて検討する。我々は, 勝敗, 支配的, 最善戦略の合成を含む, 反応合成の概念との関連性を示す。この接続は、複雑性の特徴づけや音、完全、そして責任の帰属と予測のための最適なアルゴリズムを含む、責任の計算的基礎のためのビルディングブロックを提供する。

関連論文リスト

Causal Responsibility Attribution for Human-AI Collaboration [62.474732677086855]
本稿では,人間のAIシステムにおける責任を体系的に評価するために,構造因果モデル(SCM)を用いた因果的枠組みを提案する。 2つのケーススタディは、多様な人間とAIのコラボレーションシナリオにおけるフレームワークの適応性を示している。
論文参考訳（メタデータ） (2024-11-05T17:17:45Z)
Responsibility-aware Strategic Reasoning in Probabilistic Multi-Agent Systems [1.7819574476785418]
責任は、信頼できる自律システムの開発と展開において重要な役割を果たす。本稿では,確率的交代時間論理の変種であるPATL+Rを提案する。本稿では,PATL+Rで指定された結果を満たす共同戦略の合成手法を提案する。
論文参考訳（メタデータ） (2024-10-31T18:49:12Z)
An Adaptive Framework for Generating Systematic Explanatory Answer in Online Q&A Platforms [62.878616839799776]
質問応答(QA)性能を向上させるために設計された,革新的なフレームワークであるSynthRAGを提案する。 SynthRAGは動的コンテンツの構造化に適応的なアウトラインを用いることで従来のモデルを改善する。 Zhihuプラットフォーム上のオンラインデプロイメントでは、SynthRAGの回答が注目すべきユーザエンゲージメントを実現していることが明らかになった。
論文参考訳（メタデータ） (2024-10-23T09:14:57Z)
Responsibility in a Multi-Value Strategic Setting [12.143925288392166]
責任はマルチエージェントシステムにおいて重要な概念であり、安全で信頼性があり倫理的なAIを作成する。マルチエージェント・マルチバリュー設定における責任帰属モデルを提案する。責任の考慮は、エージェントがその価値に沿った戦略を選択するのにどのように役立つかを示す。
論文参考訳（メタデータ） (2024-10-22T17:51:13Z)
Attributing Responsibility in AI-Induced Incidents: A Computational Reflective Equilibrium Framework for Accountability [13.343937277604892]
AI(Artificial Intelligence)の広範な統合は、AI対応システムに関わるインシデントが発生した場合の責任と説明責任において、複雑な課題を導入している。この研究は、すべての利害関係者に対して、一貫性があり倫理的に許容される責任帰属の枠組みを提案する。
論文参考訳（メタデータ） (2024-04-25T18:11:03Z)
K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-02-02T16:07:05Z)
Noise Contrastive Estimation-based Matching Framework for Low-Resource Security Attack Pattern Recognition [49.536368818512116]
TTP(Tactics, Techniques and Procedures)は、サイバーセキュリティドメインにおける高度な攻撃パターンを表す。そこで本研究では,TTPラベルへのテキストの割り当てが,両者の直接的な意味的類似性によって決定される,異なる学習パラダイムの問題を定式化する。本稿では,効果的なサンプリングベース学習機構を備えたニューラルマッチングアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-01-18T19:02:00Z)
Unravelling Responsibility for AI [0.8836921728313208]
AI対応システムのアウトプットと影響に責任を負う場所を確立する必要があることは広く認識されている。本稿では,AIの責任概念を明確にするために,哲学と法学における中心的な違いを考察する。
論文参考訳（メタデータ） (2023-08-04T13:12:17Z)
Semantic Probabilistic Layers for Neuro-Symbolic Learning [83.25785999205932]
我々は構造化出力予測(SOP)のための予測層を設計する。予測が事前に定義されたシンボリック制約のセットと一致していることを保証するため、任意のニューラルネットワークにプラグインすることができる。我々のセマンティック確率層(SPL)は、構造化された出力空間上で複雑な相関や制約をモデル化することができる。
論文参考訳（メタデータ） (2022-06-01T12:02:38Z)
Counterfactual Explanations as Interventions in Latent Space [62.997667081978825]
反現実的な説明は、望ましい結果を達成するために変更が必要な機能のセットをエンドユーザに提供することを目的としています。現在のアプローチでは、提案された説明を達成するために必要な行動の実現可能性を考慮することはめったにない。本稿では,非現実的説明を生成する手法として,潜時空間における干渉としての対実的説明(CEILS)を提案する。
論文参考訳（メタデータ） (2021-06-14T20:48:48Z)

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。