論文の概要: The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims

• arxiv url: http://arxiv.org/abs/2510.24721v1
• Date: Sat, 20 Sep 2025 00:29:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-07 19:06:32.121294
• Title: The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims
• Title（参考訳）: The Epistemic Suite: AI知識主張を評価するための設立後診断方法論
• Authors: Matthew Kelly,
• Abstract要約: 本稿では,AI出力の生成と受信の状況を理解するための診断手法であるEpistemic Suiteを紹介する。 真実や虚偽を判断する代わりに、スイートは20個の診断レンズを通して、信頼の洗浄、物語の圧縮、異動した権威、一時的な漂流などのパターンを明らかにする。
• 参考スコア（独自算出の注目度）: 0.7233897166339268
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) generate fluent, plausible text that can mislead users into mistaking simulated coherence for genuine understanding. This paper introduces the Epistemic Suite, a post-foundational diagnostic methodology for surfacing the epistemic conditions under which AI outputs are produced and received. Rather than determining truth or falsity, the Suite operates through twenty diagnostic lenses, applied by practitioners as context warrants, to reveal patterns such as confidence laundering, narrative compression, displaced authority, and temporal drift. It is grounded in three design principles: diagnosing production before evaluating claims, preferring diagnostic traction over foundational settlement, and embedding reflexivity as a structural requirement rather than an ethical ornament. When enacted, the Suite shifts language models into a diagnostic stance, producing inspectable artifacts-flags, annotations, contradiction maps, and suspension logs (the FACS bundle)-that create an intermediary layer between AI output and human judgment. A key innovation is epistemic suspension, a practitioner-enacted circuit breaker that halts continuation when warrant is exceeded, with resumption based on judgment rather than rule. The methodology also includes an Epistemic Triage Protocol and a Meta-Governance Layer to manage proportionality and link activation to relational accountability, consent, historical context, and pluralism safeguards. Unlike internalist approaches that embed alignment into model architectures (e.g., RLHF or epistemic-integrity proposals), the Suite operates externally as scaffolding, preserving expendability and refusal as safeguards rather than failures. It preserves the distinction between performance and understanding, enabling accountable deliberation while maintaining epistemic modesty.
• Abstract（参考訳）: LLM(Large Language Models)は、ユーザが本当の理解のためにシミュレートされたコヒーレンスを誤解させるような、流動的でもっともらしいテキストを生成する。 本稿では,AI出力が生成され受信されるてんかんの病態を克服するための,境界後診断手法である Epistemic Suite を紹介する。 真実や虚偽を判断する代わりに、スイートは20個の診断レンズを通し、実践者が文脈保証として適用し、信頼の洗浄、物語の圧縮、転倒した権威、一時的な漂流などのパターンを明らかにする。 それは、クレームを評価する前に生産を診断すること、基礎的な解決よりも診断のトラクションを優先すること、そして、倫理的な装飾よりも構造的な要求として反射性を埋め込むことである。 実行されると、スイートは言語モデルを診断スタンスに移行し、検査可能なアーティファクトフラグ、アノテーション、矛盾マップ、サスペンションログ(FACSバンドル)を生成する。 このサーキットブレーカーは、令状を超えると継続を停止し、規則ではなく判断に基づいて再消費する。 この方法論には、比例性を管理し、関係説明責任、同意、歴史的文脈、多元主義の保護と結び付けるためのエピステミック・トリアージ・プロトコルとメタ・ガバナンス・レイヤが含まれる。 モデルアーキテクチャにアライメントを組み込む内部主義者のアプローチ(例えば、RLHFやエピステマティック統合の提案)とは異なり、スイートはスキャフォールディングとして外部で動作し、エクスペンダビリティを保ち、障害ではなくセーフガードとして拒否する。 パフォーマンスと理解の区別を保ち、てんかんのモードを維持しながら説明責任ある熟考を可能にする。

関連論文リスト

• CARE-RAG - Clinical Assessment and Reasoning in RAG [43.1450755645803]
  大規模言語モデル(LLM)における検索と推論のギャップについて検討する。 推論の正確性,一貫性,忠実度を計測する評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-20T02:44:55Z)
• Ensemble Deep Learning and LLM-Assisted Reporting for Automated Skin Lesion Diagnosis [2.9307254086347427]
  皮膚科診断のためのAI統合を再定義する統合フレームワークを導入する。 第一に、アーキテクチャ的に多様である畳み込みニューラルネットワークの目的的にヘテロジニアスなアンサンブルは、相補的な診断の視点を提供する。 第2に、診断ワークフローに直接大きな言語モデル機能を組み込んで、分類出力を臨床的に意味のある評価に変換する。
  論文  参考訳（メタデータ） (2025-10-05T08:07:33Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• Are All Prompt Components Value-Neutral? Understanding the Heterogeneous Adversarial Robustness of Dissected Prompt in Large Language Models [11.625319498017733]
  PromptAnatomyは、プロンプトを機能コンポーネントに分解する自動化フレームワークです。 提案手法であるComPerturbを用いて,各コンポーネントを選択的に摂動することで,逆例を生成する。 補完的なリソースとして,PromptAnatomyフレームワークを用いて4つの公開命令チューニングデータセットを注釈付けする。
  論文  参考訳（メタデータ） (2025-08-03T02:46:30Z)
• Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
  Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。 RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。 批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。 AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
  論文  参考訳（メタデータ） (2025-04-21T04:56:47Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Secure Diagnostics: Adversarial Robustness Meets Clinical Interpretability [9.522045116604358]
  医用画像分類のためのディープニューラルネットワークは、臨床実践において一貫して一般化することができないことが多い。 本稿では, フラクチャー検出のために微調整された深部ニューラルネットワークの解釈可能性について, 対向攻撃に対するモデル性能の評価により検討する。
  論文  参考訳（メタデータ） (2025-04-07T20:26:02Z)
• Epistemic Closure and the Irreversibility of Misalignment: Modeling Systemic Barriers to Alignment Innovation [0.0]
  人工知能の安全な開発を保証する努力は、しばしばコンセンサスに基づくアライメントアプローチに依存する。 本稿では, 認知, 制度, 社会的, インフラ的フィルタを併用してアライメント提案を不可能にする, てんかん閉鎖機能モデルを提案する。 本稿では,AIシステムによる拒絶・非エンゲージメントパターンのメタ分析を含む,理論的および経験的情報源の両方が支持する重み付きクロージャモデルを提案する。
  論文  参考訳（メタデータ） (2025-04-02T18:35:15Z)
• Uncertainty-aware Medical Diagnostic Phrase Identification and Grounding [72.18719355481052]
  MRG(Messical Report Grounding)と呼ばれる新しい課題について紹介する。 MRGは医療報告から診断フレーズとその対応する接地箱を直接エンドツーエンドで識別することを目的としている。 マルチモーダルな大規模言語モデルを用いて診断フレーズを予測する,堅牢で信頼性の高いフレームワークである uMedGround を提案する。
  論文  参考訳（メタデータ） (2024-04-10T07:41:35Z)
• A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
  我々は決定可能性を達成するために新しい意味論的アプローチを用いる。 具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。 我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
  論文  参考訳（メタデータ） (2023-07-28T11:26:26Z)

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。