論文の概要: AI Governance InternationaL Evaluation Index (AGILE Index) 2025

• arxiv url: http://arxiv.org/abs/2507.11546v2
• Date: Wed, 30 Jul 2025 07:35:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-31 18:23:25.161454
• Title: AI Governance InternationaL Evaluation Index (AGILE Index) 2025
• Title（参考訳）: AIガバナンスインターネーションaL評価指標(AGILE Index)2025
• Authors: Yi Zeng, Enmeng Lu, Xiaoyang Guo, Cunqing Huangfu, Jiawei Xie, Yu Chen, Zhengqi Wang, Dongqi Liang, Gongce Cao, Jin Wang, Zizhe Ruan, Xin Guan, Ammar Younas,
• Abstract要約: AI Governance InternationaL Evaluation Index(AGILE Index)プロジェクトは2023年に開始された。 AGILE指数2025は、科学的厳密さと実用的な適応性とのバランスを改善するために、体系的な改善を取り入れている。 AGILE指数2025は、所得水準、地域、技術開発段階の40か国を評価している。
• 参考スコア（独自算出の注目度）: 13.374492753616067
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The year 2024 witnessed accelerated global AI governance advancements, marked by strengthened multilateral frameworks and proliferating national regulatory initiatives. This acceleration underscores an unprecedented need to systematically track governance progress--an imperative that drove the launch of the AI Governance InternationaL Evaluation Index (AGILE Index) project since 2023. The inaugural AGILE Index, released in February 2024 after assessing 14 countries, established an operational and comparable baseline framework. Building on pilot insights, AGILE Index 2025 incorporates systematic refinements to better balance scientific rigor with practical adaptability. The updated methodology expands data diversity while enhancing metric validity and cross-national comparability. Reflecting both research advancements and practical policy evolution, AGILE Index 2025 evaluates 40 countries across income levels, regions, and technological development stages, with 4 Pillars, 17 Dimensions and 43 Indicators. In compiling the data, the team integrates multi-source evidence including policy documents, governance practices, research outputs, and risk exposure to construct a unified comparison framework. This approach maps global disparities while enabling countries to identify governance strengths, gaps, and systemic constraints. Through ongoing refinement and iterations, we hope the AGILE Index will fundamentally advance transparency and measurability in global AI governance, delivering data-driven assessments that depict national AI governance capacity, assist governments in recognizing their maturation stages and critical governance issues, and ultimately provide actionable insights for enhancing AI governance systems nationally and globally.
• Abstract（参考訳）: 2024年、世界的AIガバナンスの進展が加速し、多国間フレームワークが強化され、国家規制イニシアチブが拡大した。 この加速は、2023年からAI Governance InternationaL Evaluation Index(AGILE Index)プロジェクトの立ち上げを推進した命令である、ガバナンスの進捗を体系的に追跡する前例のない必要性を浮き彫りにしている。 最初のAGILE指数は、14か国の評価を経て2024年2月に公表され、運用と同等のベースラインの枠組みを確立した。 パイロットの洞察に基づいて、AGILE Index 2025は、科学的厳密さと実践的な適応性とのバランスを改善するために、体系的な改善を取り入れている。 改訂された方法論は、メトリクスの妥当性と国家間の互換性を高めながら、データの多様性を拡大する。 研究の進展と実践的な政策の進展を反映して、AGILE指数2025は所得水準、地域、技術開発段階の40か国を評価し、4つの柱、17の次元、43の指標で評価している。 チームは、データをコンパイルする際に、ポリシー文書、ガバナンスプラクティス、研究成果、リスク暴露など、複数ソースのエビデンスを統合して、統合された比較フレームワークを構築する。 このアプローチは、グローバルな格差をマッピングし、国が統治の強み、ギャップ、体系的な制約を識別できるようにする。 継続的な改善と反復を通じて、AGILE Indexは、グローバルAIガバナンスにおける透明性と可測性を根本的に向上し、国家AIガバナンス能力を表すデータ駆動型アセスメントを提供し、成熟段階の認識と重要なガバナンス課題を政府に支援し、最終的には、全国的かつグローバルにAIガバナンスシステムを強化するための実用的な洞察を提供することを期待しています。

関連論文リスト

• Policy Regularization on Globally Accessible States in Cross-Dynamics Reinforcement Learning [53.9544543607396]
  我々は、報酬レンダリングとImitation from Observation (IfO)を統合した新しいフレームワークを提案する。 異なる方法でF距離をインスタンス化することにより、2つの理論的解析を導き、アクセシブルステート指向ポリシー規則化(ASOR)と呼ばれる実用的なアルゴリズムを開発する。 ASOR は、オフライン RL やオフライン RL など、様々なアプローチ RL に組み込まれる一般的なアドオンモジュールとして機能する。
  論文  参考訳（メタデータ） (2025-03-10T03:50:20Z)
• AI Governance InternationaL Evaluation Index (AGILE Index) [15.589972522113754]
  人工知能(AI)技術の急速な進歩は、人間の社会を大きく変えつつある。 2022年以降、生成的AIの広範な展開、特に大きな言語モデルが、AIガバナンスの新たなフェーズとなった。 国際ガバナンスに関するコンセンサスが確立され、活動を続ける中、AIガバナンスのグローバルな評価を行う上での実践的重要性が徐々に明らかになってきている。 AGILE Indexの最初の評価は、AIの開発レベル、AIガバナンス環境、AIガバナンス機器、AIガバナンスの有効性の4つの基本柱の探索から始まった。
  論文  参考訳（メタデータ） (2025-02-21T10:16:56Z)
• AILuminate: Introducing v1.0 of the AI Risk and Reliability Benchmark from MLCommons [62.374792825813394]
  本稿ではAI製品リスクと信頼性を評価するための業界標準ベンチマークとして,AIluminate v1.0を紹介する。 このベンチマークは、危険、違法、または望ましくない行動を12の危険カテゴリーで引き起こすように設計されたプロンプトに対するAIシステムの抵抗を評価する。
  論文  参考訳（メタデータ） (2025-02-19T05:58:52Z)
• OmniEval: An Omnidirectional and Automatic RAG Evaluation Benchmark in Financial Domain [62.89809156574998]
  金融分野において全方向自動RAGベンチマークであるOmniEvalを導入する。 我々のベンチマークは多次元評価フレームワークによって特徴づけられる。 実験では、広範囲なテストデータセットを含むOmniEvalの包括性を実証した。
  論文  参考訳（メタデータ） (2024-12-17T15:38:42Z)
• A Large-Scale Study of Relevance Assessments with Large Language Models: An Initial Look [52.114284476700874]
  本稿では,4つの異なる関連性評価手法が展開された大規模評価(TREC 2024 RAG Track)の結果について報告する。 自動生成UMBRELA判定は、完全に手動による判断を置き換えて、実行レベルの有効性を正確に捉えることができる。 意外なことに、LLMアシストは完全な手作業による評価と相関を増さないようで、人間のループプロセスに関連するコストは明らかな有意義な利益をもたらすものではないことを示唆している。
  論文  参考訳（メタデータ） (2024-11-13T01:12:35Z)
• Sustainable Visions: Unsupervised Machine Learning Insights on Global Development Goals [0.3764231189632788]
  2030年アジェンダ・フォー・サステナブル・ディベロップメント(Agenda for Sustainable Development)は、世界各国が開発におけるグローバルな課題に取り組むための17の目標を概説している。 我々は、教師なし機械学習(ML)技術を用いて、107カ国から20年以上(2000-2022年)にわたって時系列データを分析するために、新しいデータ駆動手法を用いてきた。 SDGsの進展は, 地理的, 文化的, 社会経済的要因に大きく影響されている。
  論文  参考訳（メタデータ） (2024-09-19T03:10:49Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。