論文の概要: Token Taxes: mitigating AGI's economic risks

• arxiv url: http://arxiv.org/abs/2603.04555v1
• Date: Wed, 04 Mar 2026 19:38:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:10.953552
• Title: Token Taxes: mitigating AGI's economic risks
• Title（参考訳）: トークン税:AGIの経済リスク軽減
• Authors: Lucas Irwin, Tung-Yu Wu, Fazl Barez,
• Abstract要約: AGIの開発は、政府の税基盤を廃止し、生活水準を低くし、市民を解放することを脅かす。 我々は、AGI後の世界がもたらす経済リスクは、トークン税によって効果的に軽減できると主張している。
• 参考スコア（独自算出の注目度）: 11.774079419317273
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of AGI threatens to erode government tax bases, lower living standards, and disempower citizens -- risks that make the 40-year stagnation of wages during the first industrial revolution look mild in comparison. While AI safety research has focused primarily on capability risks, comparatively little work has studied how to mitigate the economic risks of AGI. In this paper, we argue that the economic risks posed by a post-AGI world can be effectively mitigated by token taxes: usage-based surcharges on model inference applied at the point of sale. We situate token taxes within previous proposals for robot taxes and identify two key advantages: they are enforceable through existing compute governance infrastructure, and they capture value where AI is used rather than where models are hosted. For enforcement, we outline a staged audit pipeline -- black-box token verification, norm-based tax rates, and white-box audits. For impact, we highlight the need for agent-based modeling of token taxes' economic effects. Finally, we discuss alternative approaches including FLOP taxes, and how to prevent AI superpowers vetoing such measures.
• Abstract（参考訳）: AGIの開発は、政府の税制基盤を廃止し、生活水準を低くし、市民を解放する恐れがある。 AI安全研究は、主に能力リスクに焦点を当てているが、AGIの経済的リスクを軽減する方法を研究する研究はほとんどない。 本稿では,AGI後の世界がもたらす経済リスクを,トークン税によって効果的に軽減することができると論じる。 既存の管理ガバナンスインフラストラクチャを通じて実施可能であり、モデルがホストされている場所ではなく、AIが使用されている価値をキャプチャします。 実施には、ブラックボックストークンの検証、標準ベースの税率、ホワイトボックスの監査など、段階的な監査パイプラインを概説する。 影響について,トークン税の経済効果をエージェントベースでモデル化する必要性を強調した。 最後に、FLOP税などの代替手法と、そのような措置に拒否権を行使するAIスーパーパワーの防止方法について論じる。

関連論文リスト

• Balancing Innovation and Oversight: AI in the U.S. Treasury and IRS: A Survey [0.0]
  アメリカ合衆国財務省、特に内国歳入庁は、税務を近代化するために人工知能(AI)を採用している。 主なイニシアチブには、AIによるチャットボット、ロボットプロセス自動化、ケース選択のための機械学習、不正防止のための高度な分析などがある。 同時に、IRSはAIの責任ある使用を保証するためのガバナンス対策を実装している。
  論文  参考訳（メタデータ） (2025-09-19T15:45:38Z)
• Language Models and Logic Programs for Trustworthy Financial Reasoning [50.73061215297832]
  税の申告には複雑な推論が必要であり、重複ルールの適用と数値計算を組み合わせる必要がある。 そこで我々は,LLMを象徴的解決器と統合して納税義務を計算する手法を提案する。 本稿では, 形式論理プログラムの事前翻訳と, 形式論理表現の知的検索例を組み合わせることで, 性能が劇的に向上することを示す。
  論文  参考訳（メタデータ） (2025-08-28T17:55:07Z)
• Can LLMs Identify Tax Abuse? [53.3007576756411]
  大規模言語モデルが米国の税最小化戦略を発見・分析できるかどうかを検討する。 我々は,(1)税制戦略の解釈・検証能力,(2)部分的に指定された戦略のギャップを埋める能力,(3)完全なエンドツーエンド戦略をゼロから生成する能力について,最も先進的なLCMを評価した。
  論文  参考訳（メタデータ） (2025-08-10T15:15:45Z)
• TaxAgent: How Large Language Model Designs Fiscal Policy [22.859190941594296]
  本研究では,大規模言語モデル(LLM)とエージェントベースモデリング(ABM)を統合し,適応型税制を設計するTaxAgentを紹介する。 我々のマクロ経済シミュレーションでは、ヘテロジニアスなH-Agents(ハウスホールディングス)が現実の納税者の振る舞いをシミュレートし、TaxAgent(政府)はLLMを使って税率を反復的に最適化し、株式と生産性のバランスをとる。 Saez Optimal Taxation、合衆国の連邦所得税、自由市場を基準に、TaxAgentは優れた株式・効率のトレードオフを達成している。
  論文  参考訳（メタデータ） (2025-06-03T13:06:19Z)
• A Taxation Perspective for Fair Re-ranking [61.946428892727795]
  本稿では,2項目間の実用性の違いに基づいて税率を上昇させる,税率という新たな公正な再格付け手法を提案する。 我々のモデルである税ランクは、公正な優遇措置として優れた税率政策を提供し、理論的には、精度損失よりも連続性と制御性の両方を実証している。
  論文  参考訳（メタデータ） (2024-04-27T08:21:29Z)
• AI Procurement Checklists: Revisiting Implementation in the Age of AI Governance [18.290959557311552]
  AIの公共セクターの利用はここ10年で増加傾向にあるが、最近になって文化の世俗主義に参入する試みが始まっている。 分かりやすいが、政府におけるAIシステムの倫理的かつ効果的な展開を促進することは、非常にありふれた仕事だ。
  論文  参考訳（メタデータ） (2024-04-23T01:45:38Z)
• On the Potential and Limitations of Few-Shot In-Context Learning to Generate Metamorphic Specifications for Tax Preparation Software [12.071874385139395]
  納税者の50%近くが、FY22にアメリカで税ソフトウェアを使って個人所得税を申告した。 本稿では,税制文書から抽出した属性間の翻訳タスクとして,変成仕様を作成するタスクを定式化する。
  論文  参考訳（メタデータ） (2023-11-20T18:12:28Z)
• Algorithmic Fairness and Vertical Equity: Income Fairness with IRS Tax Audit Models [73.24381010980606]
  本研究は、IRSによる税務監査選択を通知するシステムの文脈におけるアルゴリズムフェアネスの問題について検討する。 監査を選択するための柔軟な機械学習手法が、垂直エクイティにどのように影響するかを示す。 この結果は,公共セクター全体でのアルゴリズムツールの設計に影響を及ぼす。
  論文  参考訳（メタデータ） (2022-06-20T16:27:06Z)
• The AI Economist: Optimal Economic Policy Design via Two-level Deep Reinforcement Learning [126.37520136341094]
  機械学習に基づく経済シミュレーションは強力な政策・メカニズム設計の枠組みであることを示す。 AIエコノミスト(AI Economist)は、エージェントと共同適応するソーシャルプランナーの両方を訓練する2段階のディープRLフレームワークである。 単純な一段階の経済では、AIエコノミストは経済理論の最適税制を回復する。
  論文  参考訳（メタデータ） (2021-08-05T17:42:35Z)
• The AI Economist: Improving Equality and Productivity with AI-Driven Tax Policies [119.07163415116686]
  我々は、経済的平等と生産性を効果的にトレードオフできる税制政策を発見する社会プランナーを訓練する。 競争圧力と市場ダイナミクスを特徴とする経済シミュレーション環境を提案する。 AI主導の税政策は、基本方針よりも平等と生産性のトレードオフを16%改善することを示します。
  論文  参考訳（メタデータ） (2020-04-28T06:57:18Z)

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。