論文の概要: The Impact Market to Save Conference Peer Review: Decoupling Dissemination and Credentialing

• arxiv url: http://arxiv.org/abs/2512.14104v1
• Date: Tue, 16 Dec 2025 05:38:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.605091
• Title: The Impact Market to Save Conference Peer Review: Decoupling Dissemination and Credentialing
• Title（参考訳）: カンファレンスピアレビューを救うインパクトマーケット - 分散とクレデンシャルの分離
• Authors: Karthikeyan Sankaralingam,
• Abstract要約: 我々は,出版を名声から切り離す新しい3コストシステムであるインパクトマーケット(IM)を提案する。 健全で厳密な論文はすべて、PCレビューを通じて受理され、「等価クラス問題」が解決される。 第2段階(投資):先進市場を通じて即時、希少な名声信号が作成され、クラウドソースされたネット投資スコア(NISNIS)が作成される。 フェーズ3(キャリブレーション): 3年間の振り返りメカニズムは、悪いアクターに対する定量的なコストに対してこれらの投資を検証し、正確な推測に報いる。
• 参考スコア（独自算出の注目度）: 2.7306299880022853
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Top-tier academic conferences are failing under the strain of two irreconcilable roles: (1) rapid dissemination of all sound research and (2) scarce credentialing for prestige and career advancement. This conflict has created a reviewer roulette and anonymous tribunal model - a zero-cost attack system - characterized by high-stakes subjectivity, turf wars, and the arbitrary rejection of sound research (the equivalence class problem). We propose the Impact Market (IM), a novel three-phase system that decouples publication from prestige. Phase 1 (Publication): All sound and rigorous papers are accepted via a PC review, solving the "equivalence class" problem. Phase 2 (Investment): An immediate, scarce prestige signal is created via a futures market. Senior community members invest tokens into published papers, creating a transparent, crowdsourced Net Invested Score (NIS). Phase 3 (Calibration): A 3-year lookback mechanism validates these investments against a manipulation-resistant Multi-Vector Impact Score (MVIS). This MVIS adjusts each investor's future influence (their Investor Rating), imposing a quantifiable cost on bad actors and rewarding accurate speculation. The IM model replaces a hidden, zero-cost attack system with a transparent, accountable, and data-driven market that aligns immediate credentialing with long-term, validated impact. Agent-based simulations demonstrate that while a passive market matches current protocols in low-skill environments, introducing investor agency and conviction betting increases the retrieval of high-impact papers from 28% to over 85% under identical conditions, confirming that incentivized self-selection is the mechanism required to scale peer review.
• Abstract（参考訳）: トップレベルの学術会議は,(1) すべての音素研究の急速な普及, (2)名誉とキャリア向上のための資格の不足,という2つの不都合な役割の下で失敗している。 この対立により、レビューア・ルーレットと匿名の法廷モデル(ゼロコスト攻撃システム)が作成され、高い主観性、芝戦争、音の研究の任意拒否(同値クラス問題)が特徴である。 我々は,出版を名声から切り離す新しい3段階システムであるインパクトマーケット(IM)を提案する。 フェーズ1 (Publication): 健全で厳密な論文はすべて、PCレビューを通じて受理され、「等価クラス」の問題を解決する。 第2段階(投資):先物市場を通じて、すぐに、希少な名声の信号が生成される。 上級コミュニティメンバーは、公開論文にトークンを投資し、透明でクラウドソースされたNet Invested Score(NIS)を作成します。 フェーズ3(キャリブレーション):3年間の振り返り機構は、操作に耐性のあるマルチベクターインパクトスコア(MVIS)に対するこれらの投資を検証する。 このMVISは、各投資家の将来の影響力(投資家レーティング)を調整し、悪いアクターに定量的なコストを課し、正確な憶測に報いる。 IMモデルは、秘密でゼロコストの攻撃システムを、透明性があり、説明責任があり、データ駆動の市場へと置き換える。 エージェントベースのシミュレーションでは、受動的市場はロースキル環境での現行のプロトコルと一致するが、投資家エージェンシーの導入と信念ベッティングは、同一条件下でのハイインパクト論文の検索を28%から85%以上増加させ、インセンティブ付き自己選択がピアレビューのスケールに必要なメカニズムであることを確認している。

関連論文リスト

• Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
  現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。 このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。 本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
  論文  参考訳（メタデータ） (2025-11-10T22:24:21Z)
• Inter-Agent Trust Models: A Comparative Study of Brief, Claim, Proof, Stake, Reputation and Constraint in Agentic Web Protocol Design-A2A, AP2, ERC-8004, and Beyond [1.5755923640031846]
  エージェント間プロトコル設計における信頼モデルについて検討する。 仮定、攻撃面、設計トレードオフを分析します。 我々は、より安全で相互運用可能でスケーラブルなエージェント経済のための実行可能な設計ガイドラインを蒸留する。
  論文  参考訳（メタデータ） (2025-11-05T12:50:06Z)
• Benchmarking is Broken -- Don't Let AI be its Own Judge [22.93026946593552]
  私たちは、AIを評価するための現在のlaissez-faireアプローチは持続不可能である、と論じます。 PeerBenchは、コミュニティが管理し、熟達した評価青写真である。 私たちのゴールは、完全性を回復し、真に信頼できるAI進歩の手段を提供するための評価の道を開くことです。
  論文  参考訳（メタデータ） (2025-10-08T21:41:37Z)
• Audit the Whisper: Detecting Steganographic Collusion in Multi-Agent LLMs [0.0]
  Audit the Whisperは、理論、ベンチマーク設計、検出、検証にまたがるカンファレンスグレードの研究成果物である。 i) パラフレーズ, レート制限, 役割置換などの介入が, ペアリングしたKullback-Leibler診断によって定量的なペナルティの操作を課すことを示すチャネル容量分析を行った。 我々は、匿名化された再生スクリプト、匿名化されたマニフェスト、ドキュメントをリリースし、外部監査官がすべての図を再現し、二重盲検要件を満たし、最小限の努力でフレームワークを拡張します。
  論文  参考訳（メタデータ） (2025-10-05T17:51:52Z)
• Information Bargaining: Bilateral Commitment in Bayesian Persuasion [60.3761154043329]
  長期的説得のための統一的なフレームワークとよく構造化されたソリューションの概念を導入する。 この視点はゲーム構造の共通知識を明確にし、レシーバに匹敵するコミットメント能力を与える。 このフレームワークは、2段階の検証と推論のパラダイムによって検証される。
  論文  参考訳（メタデータ） (2025-06-06T08:42:34Z)
• Hollow Victory: How Malicious Proposers Exploit Validator Incentives in Optimistic Rollup Dispute Games [2.88268082568407]
  一般的なレイヤ2アプローチはOptimistic Rollupであり、ブロック提案の競合ゲームとして知られるメカニズムに依存している。 これらのシステムでは、バリケータはエラーを含むと信じているブロックに挑戦することができ、成功すれば、提案者の預金の一部を報酬として転送することができる。 我々は、このメカニズムの構造上の脆弱性を明らかにしている: バリデータには、論争の挑戦に勝ったとしても、適切な利益が与えられない可能性がある。
  論文  参考訳（メタデータ） (2025-04-07T14:00:46Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• Malicious Agent Detection for Robust Multi-Agent Collaborative Perception [52.261231738242266]
  多エージェント協調(MAC)知覚は、単エージェント認識よりも敵攻撃に対して脆弱である。 MAC知覚に特異的な反応防御であるMADE(Malicious Agent Detection)を提案する。 我々は、ベンチマーク3DデータセットV2X-simとリアルタイムデータセットDAIR-V2Xで包括的な評価を行う。
  論文  参考訳（メタデータ） (2023-10-18T11:36:42Z)
• AlphaMLDigger: A Novel Machine Learning Solution to Explore Excess Return on Investment [1.4502611532302039]
  本稿では,高度変動市場における過剰なリターンを効果的に見出す2相AlphaMLDiggerを提案する。 フェーズ1では、Sina Microblogのブログを市場感情に転送するディープシーケンシャルなNLPモデルが提案されている。 第2フェーズでは、予測される市場感情と、ソーシャルネットワーク指標の特徴と株式市場履歴の特徴が組み合わされ、株価の動きが予測される。
  論文  参考訳（メタデータ） (2022-06-22T13:37:58Z)

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。