Fugu-MT 論文翻訳(概要): Algorithmic Compliance and Regulatory Loss in Digital Assets

論文の概要: Algorithmic Compliance and Regulatory Loss in Digital Assets

arxiv url: http://arxiv.org/abs/2603.04328v1
Date: Wed, 04 Mar 2026 17:48:17 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-05 21:29:15.434294
Title: Algorithmic Compliance and Regulatory Loss in Digital Assets
Title（参考訳）: デジタルアセットにおけるアルゴリズムコンプライアンスと規制損失
Authors: Khem Raj Bhatt, Krishna Sharma,
Abstract要約: 実世界の規制効果を著しく過大に評価する上で, 強力な静的分類指標が有効であることを示す。この中核的な失敗は、それぞれ予測精度を低下させるのではなく、決定ルールの誤校正によって生じる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study the deployment performance of machine learning based enforcement systems used in cryptocurrency anti money laundering (AML). Using forward looking and rolling evaluations on Bitcoin transaction data, we show that strong static classification metrics substantially overstate real world regulatory effectiveness. Temporal nonstationarity induces pronounced instability in cost sensitive enforcement thresholds, generating large and persistent excess regulatory losses relative to dynamically optimal benchmarks. The core failure arises from miscalibration of decision rules rather than from declining predictive accuracy per se. These findings underscore the fragility of fixed AML enforcement policies in evolving digital asset markets and motivate loss-based evaluation frameworks for regulatory oversight.
Abstract（参考訳）: 本稿では,暗号通貨のアンチマネーロンダリング(AML)に使用される機械学習に基づく執行システムの展開性能について検討する。 Bitcoinトランザクションデータに対する前向きな評価とローリング評価を用いて、強い静的な分類指標が現実世界の規制効果を大幅に上回っていることを示す。時間的非定常性は、コストに敏感な実行しきい値の顕著な不安定性を誘導し、動的に最適化されたベンチマークと比較して、大きく永続的な過剰な規制損失を発生させる。この中核的な失敗は、それぞれ予測精度を低下させるのではなく、決定ルールの誤校正によって生じる。これらの知見は、デジタル資産市場の発展における固定的AML執行政策の脆弱さを浮き彫りにし、規制監督のための損失ベース評価フレームワークを動機付けている。

関連論文リスト

StableAML: Machine Learning for Behavioral Wallet Detection in Stablecoin Anti-Money Laundering on Ethereum [1.6492745888221318]
世界の違法なファンドフローは年間3.1兆ドルを超えており、流動性のために洗剤として好まれる。本研究では、データセットを分析し、行動特徴を用いてロバストなAMLフレームワークを開発する。高精度検出を自動化することにより、イノベーションを損なうことなく、経済的不作為の経済的コストを効果的に高めるアプローチを提案する。
論文参考訳（メタデータ） (2026-02-19T21:13:39Z)
WS-GRPO: Weakly-Supervised Group-Relative Policy Optimization for Rollout-Efficient Reasoning [67.45237332694025]
グループ相対政策最適化は、複雑な推論に基づいて言語モデルを訓練するのに効果的である。 Weakly Supervised GRPOを提案し、端末報酬を正当性を考慮したガイダンスに変換することにより、ロールアウト効率を向上させる。
論文参考訳（メタデータ） (2026-02-19T02:43:35Z)
Conformal Thinking: Risk Control for Reasoning on a Compute Budget [60.65072883773352]
大規模言語モデル(LLM)の推論により、トークンの予算が増加するにつれて、データセットレベルの精度が向上する。我々は、予算設定問題をリスクコントロールとして再設定し、計算を最小化しながらエラー率を制限する。我々のフレームワークは、モデルが自信のあるときに推論を停止する上位しきい値と、未解決のインスタンスを事前に停止させる新しい下位しきい値を導入する。
論文参考訳（メタデータ） (2026-02-03T18:17:22Z)
Gaming the Judge: Unfaithful Chain-of-Thought Can Undermine Agent Evaluation [76.5533899503582]
大規模言語モデル(LLM)は、エージェントのパフォーマンスを評価するために、ますます裁判官として使われている。このパラダイムは、エージェントのチェーン・オブ・シークレット(CoT)推論が内部の推論と環境状態の両方を忠実に反映していることを暗黙的に仮定している。我々は、操作された推論だけで、様々なWebタスクにまたがる800の軌跡に対して、最先端のVLM審査員の偽陽性率を最大90%向上させることができることを実証した。
論文参考訳（メタデータ） (2026-01-21T06:07:43Z)
Knowledge-Integrated Representation Learning for Crypto Anomaly Detection under Extreme Label Scarcity; Relational Domain-Logic Integration with Retrieval-Grounded Context and Path-Level Explanations [0.0]
ドメインロジック統合(RDLI)は、専門家の認識を表現内で識別可能な構造パターンとして組み込むフレームワークである。極度のラベル不足(0.01%)下では、RDLIは芸術GNNのベースラインを28.9%上回っている。
論文参考訳（メタデータ） (2026-01-19T08:51:50Z)
Pattern Recognition of Aluminium Arbitrage in Global Trade Data [0.0]
不正行為者は、スクラップを高額の不均一品として誤分類することで、双方向関税インセンティブを利用する。リスクは主要な輸出者ではなく、不正なリルーチンのための重要なノードとして機能する高中央集権のシャドウハブに集中している。
論文参考訳（メタデータ） (2025-12-16T13:52:34Z)
Robust Reinforcement Learning in Finance: Modeling Market Impact with Elliptic Uncertainty Sets [57.179679246370114]
金融分野では、強化学習(RL)エージェントは、価格に影響を与えない歴史的データに基づいて訓練されることが多い。展開中、これらのエージェントは、自身の取引が資産価格を変えることができるライブマーケットで取引する。従来のロバストなRLアプローチは、不確実性の集合に対して最悪のパフォーマンスを最適化することで、このモデルの誤特定に対処する。楕円型不確実性集合の新たなクラスを開発し,効率的かつ堅牢な政策評価を可能にする。
論文参考訳（メタデータ） (2025-10-22T18:22:25Z)
NDCG-Consistent Softmax Approximation with Accelerated Convergence [67.10365329542365]
本稿では,ランキングの指標と直接一致した新たな損失定式化を提案する。提案したRG損失を高効率な Alternating Least Squares (ALS) 最適化手法と統合する。実世界のデータセットに対する実証的な評価は、我々のアプローチが同等または上位のパフォーマンスを達成することを示す。
論文参考訳（メタデータ） (2025-06-11T06:59:17Z)
Incremental Uncertainty-aware Performance Monitoring with Active Labeling Intervention [64.12447263206381]
Incrmental Uncertainty-aware Performance Monitoring (IUPM) というラベルのない手法を提案する。 IUPMは、性能予測の不確実性を定量化し、限られたラベル付け予算の下で信頼性の高い見積もりを復元するアクティブなラベル付け手順を導入する。実験の結果、IUPMは様々な段階的なシフトシナリオにおいて、既存の性能推定基準よりも優れていることがわかった。
論文参考訳（メタデータ） (2025-05-11T15:35:55Z)
Advances in Continual Graph Learning for Anti-Money Laundering Systems: A Comprehensive Review [6.1141481450958315]
我々は、アンチマネーロンダリングアプリケーションのための最先端の連続グラフ学習アプローチを批判的に評価する。分析の結果,連続学習は,過度のクラス不均衡や不正パターンの進化に直面して,モデルの堅牢性と適応性を向上することが示された。
論文参考訳（メタデータ） (2025-03-31T16:06:47Z)
A Time-Frequency based Suspicious Activity Detection for Anti-Money Laundering [0.0]
マネーロンダリングは、犯罪者が犯罪の収益を金融システムに注入するために使う重要なメカニズムである。これらの機関の現在のシステムのほとんどはルールベースであり、非効率である。本稿では、金融取引の2次元表現を利用した時間周波数分析に基づく新しい特徴セットを提案する。
論文参考訳（メタデータ） (2020-11-17T08:01:50Z)

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。