論文の概要: A Formal Model of the Economic Impacts of AI Openness Regulation

• arxiv url: http://arxiv.org/abs/2507.14193v1
• Date: Mon, 14 Jul 2025 07:08:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:31.747421
• Title: A Formal Model of the Economic Impacts of AI Openness Regulation
• Title（参考訳）: AIオープンネス規制の経済影響の形式モデル
• Authors: Tori Qiu, Benjamin Laufer, Jon Kleinberg, Hoda Heidari,
• Abstract要約: 本稿では、汎用モデルの作成者(ジェネラリスト)と、汎用モデルから特定のドメインやタスクへの微調整を行うエンティティ間の戦略的相互作用をモデル化する。 我々は,AIオープン性標準が開発者に対して適切な経済インセンティブを確立するかを評価するために,規制当局によるオープンソース定義の選択の様式化されたモデルを提案する。
• 参考スコア（独自算出の注目度）: 8.438080379702125
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Regulatory frameworks, such as the EU AI Act, encourage openness of general-purpose AI models by offering legal exemptions for "open-source" models. Despite this legislative attention on openness, the definition of open-source foundation models remains ambiguous. This paper models the strategic interactions among the creator of a general-purpose model (the generalist) and the entity that fine-tunes the general-purpose model to a specialized domain or task (the specialist), in response to regulatory requirements on model openness. We present a stylized model of the regulator's choice of an open-source definition to evaluate which AI openness standards will establish appropriate economic incentives for developers. Our results characterize market equilibria -- specifically, upstream model release decisions and downstream fine-tuning efforts -- under various openness regulations and present a range of effective regulatory penalties and open-source thresholds. Overall, we find the model's baseline performance determines when increasing the regulatory penalty vs. the open-source threshold will significantly alter the generalist's release strategy. Our model provides a theoretical foundation for AI governance decisions around openness and enables evaluation and refinement of practical open-source policies.
• Abstract（参考訳）: EU AI Actのような規制フレームワークは、"オープンソース"モデルの法的免除を提供することで、汎用AIモデルの開放性を促進する。 オープン性に対する立法的関心にもかかわらず、オープンソース基盤モデルの定義はあいまいである。 本稿では、汎用モデルの作成者(ジェネラリスト)と、汎用モデルを専門ドメインやタスク(スペシャリスト)に微調整するエンティティ間の戦略的相互作用を、モデル開放性に関する規制要件に応じてモデル化する。 我々は,AIオープン性標準が開発者に対して適切な経済インセンティブを確立するかを評価するために,規制当局によるオープンソース定義の選択の様式化されたモデルを提案する。 本研究は, 市場均衡, 特に上流モデルリリース決定と下流ファインチューニングの取り組みを, 様々な開放性規制の下で特徴付け, 様々な効果的な規制上の罰則とオープンソースしきい値を示す。 総じて、規制ペナルティの増加とオープンソースしきい値の増大がジェネラリストのリリース戦略を大きく変えると、モデルの基本性能が決定される。 我々のモデルはオープン性に関するAIガバナンス決定の理論的基盤を提供し、実用的なオープンソースポリシーの評価と改善を可能にします。

関連論文リスト

• Synergistic Weak-Strong Collaboration by Aligning Preferences [53.47675666475273]
  現在のLarge Language Models (LLMs) は、プロプライエタリな知識やドメイン固有の知識を必要とする特別なタスクに苦戦する一般的な推論において優れている。 本稿では、特殊な弱いモデルと一般的な強いモデルとを組み合わせた協調的なフレームワークを提案する。 相補的な強みを活用することで、コラボレーションが各モデルを単独で著しく上回っていることが分かりました。
  論文  参考訳（メタデータ） (2025-04-21T15:57:33Z)
• Is Open Source the Future of AI? A Data-Driven Approach [41.94295877935867]
  大規模言語モデル(LLM)は、学術と産業の中心となっている。 鍵となる問題は、プロプライエタリなモデルの信頼性であり、オープンソースはしばしばソリューションとして提案される。 オープンソースは、潜在的な誤用、財務上の不利益、知的財産権の懸念など、課題を提示している。
  論文  参考訳（メタデータ） (2025-01-27T09:03:49Z)
• The Open Source Advantage in Large Language Models (LLMs) [0.0]
  大規模言語モデル(LLM)は急速に進歩した自然言語処理を持ち、テキスト生成、機械翻訳、ドメイン固有の推論といったタスクにおいて大きなブレークスルーを引き起こしている。 GPT-4のようなクローズドソースモデルは、最先端のパフォーマンスを提供するが、アクセシビリティを制限し、外部の監視を行う。 LLaMAやMixtralといったオープンソースフレームワークはアクセスを民主化し、コラボレーションを促進し、多様なアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2024-12-16T17:32:11Z)
• PRISM: A Design Framework for Open-Source Foundation Model Safety [0.0]
  本稿では,オープンファンデーションモデル開発者がモデル安全性にどのようにアプローチすべきか,という課題に対処する。 オープンソースファウンデーションモデル安全のための設計フレームワークであるPRISMを導入し、プライベート、ロバスト、インディペンデント安全対策を強調した。 PRISMは、個人や社会全体のリスクを最小限に抑えつつ、これらの強力な技術のポテンシャルを最大化する、より安全なオープンソースエコシステムを作ることを目指している。
  論文  参考訳（メタデータ） (2024-06-14T21:26:15Z)
• Towards a Framework for Openness in Foundation Models: Proceedings from the Columbia Convening on Openness in Artificial Intelligence [18.130525337375985]
  本稿では,AIスタックにまたがるオープンネスと闘うためのフレームワークを提案する。 このトピックに関する以前の研究を要約し、オープン性を追求する様々な潜在的理由を分析します。 モデルとシステムレベルで、AIスタックのさまざまな部分でオープン性がどのように変化するのかを概説する。
  論文  参考訳（メタデータ） (2024-05-17T20:35:39Z)
• The Model Openness Framework: Promoting Completeness and Openness for Reproducibility, Transparency, and Usability in Artificial Intelligence [0.0]
  モデルの完全性とオープン性に基づいて機械学習モデルを評価する3階層分類システムであるモデルオープンネスフレームワーク(MOF)を紹介する。 各MOFクラスに対して、モデル開発ライフサイクルのコード、データ、ドキュメントコンポーネントを定義します。 さらに、モデルオープンネスツール(MOT)は、MOF分類システムに対するモデルのオープン性と完全性を評価するために、ユーザフレンドリーなリファレンス実装を提供する。
  論文  参考訳（メタデータ） (2024-03-20T17:47:08Z)
• On the Societal Impact of Open Foundation Models [93.67389739906561]
  ここでは、広く利用可能なモデルウェイトを持つものとして定義されている、オープンファンデーションモデルに重点を置いています。 オープンファンデーションモデルの5つの特徴を識別し,その利点とリスクを両立させる。
  論文  参考訳（メタデータ） (2024-02-27T16:49:53Z)
• Open-Sourcing Highly Capable Foundation Models: An evaluation of risks, benefits, and alternative methods for pursuing open-source objectives [6.575445633821399]
  AIラボをオープンソースにするか、あるいはモデルへのアクセスを制限するという最近の決定は、議論を巻き起こした。 本稿では,高機能基盤モデルのオープンソース化のリスクとメリットについて考察する。
  論文  参考訳（メタデータ） (2023-09-29T17:03:45Z)
• Dual policy as self-model for planning [71.73710074424511]
  エージェントの自己モデルとして決定をシミュレートするために使用されるモデルについて述べる。 現在の強化学習アプローチと神経科学にインスパイアされた我々は、蒸留政策ネットワークを自己モデルとして利用することの利点と限界を探求する。
  論文  参考訳（メタデータ） (2023-06-07T13:58:45Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• Control as Hybrid Inference [62.997667081978825]
  本稿では、反復推論と償却推論のバランスを自然に仲介するCHIの実装について述べる。 連続的な制御ベンチマークでアルゴリズムのスケーラビリティを検証し、強力なモデルフリーおよびモデルベースラインを上回る性能を示す。
  論文  参考訳（メタデータ） (2020-07-11T19:44:09Z)
• Towards Inheritable Models for Open-Set Domain Adaptation [56.930641754944915]
  本稿では、将来、ソースデータセットが存在しない場合の適応を容易にするために、ソース学習モデルを用いた実用的なドメイン適応パラダイムを提案する。 本稿では,ソースデータがない場合でも,対象領域に対して最適なソースモデルの選択を可能にするために,継承可能性の定量化を目的とする手法を提案する。
  論文  参考訳（メタデータ） (2020-04-09T07:16:30Z)

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。