論文の概要: Quality Assessment of Public Summary of Training Content for GPAI models required by AI Act Article 53(1)(d)
- arxiv url: http://arxiv.org/abs/2603.13270v1
- Date: Thu, 26 Feb 2026 21:19:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.249234
- Title: Quality Assessment of Public Summary of Training Content for GPAI models required by AI Act Article 53(1)(d)
- Title（参考訳）: 第53条(1)(d)に要求されるGPAIモデルのトレーニング内容の公開概要の質評価
- Authors: Dick A. H. Blankvoort, Harshvardhan J. Pandit, Maximilian Gahntz,
- Abstract要約: AI法第53条(1)(d)では、汎用AI(GPAI)モデルの提供者に対し、十分に詳細な公開概要を公開する必要がある。
この義務の目標はGPAIモデルのトレーニングに使用されるデータに関する透明性を高めることである。
本稿では,2つの重要な側面にわたる公開要約を評価するための品質評価フレームワークを提供する。
- 参考スコア（独自算出の注目度）: 0.20487046205521572
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The AI Act's Article 53(1)(d) requires providers of general-purpose AI (GPAI) models to publish a sufficiently detailed public summary about the content used for training based on a template provided by the AI Office. The stated goal of this obligation is to increase transparency regarding the data used for training GPAI models, and to enable relevant stakeholders to exercise their rights, especially regarding IP, copyright, and data protection. This paper provides a quality assessment framework to assess the public summary across two key dimensions: \textit{transparency} regarding information being provided in a clear, comprehensive, and sufficiently detailed manner; and \textit{usefulness} regarding whether the provision of the document and the contents can be effectively utilised by stakeholders to carry out rights related actions. This framework enables identification of key issues in public summaries, and provides a structured and research-based method to compare practices across public summaries and providers. It also enables authorities such as the AI Office to identify potential issues that could emerge and provides actionable recommendations and guidelines for providers to develop public summaries with high quality. The paper provides an assessment of 5 public summaries published as of 12th January 2026 which were found through an exhaustive search process. To disseminate these findings as a public resource, the paper also describes the development of a website where the assessments, outcomes, and methodologies will be shared.
- Abstract（参考訳）: AI法第53条(1)(d)では、汎用AI(GPAI)モデルの提供者が、AIオフィスが提供するテンプレートに基づいてトレーニングに使用されるコンテンツについて、十分に詳細な公開概要を公開する必要がある。
この義務の目標はGPAIモデルのトレーニングに使用されるデータに関する透明性を高め、特にIP、著作権、データ保護に関して、関連する利害関係者が自身の権利を行使できるようにすることである。
本論文は,2つの重要な側面にわたる公開要約を評価するための品質評価フレームワークを提供する。 明確で包括的で十分に詳細な方法で提供された情報に関する「textit{transparency」と,文書と内容の提供が利害関係者による権利関連行動の実行に効果的に活用できるかどうかに関する「textit{usefulness」を提供する。
このフレームワークは、公共の要約における重要な問題の特定を可能にし、公共の要約や提供者間での実践を比較するための構造化された研究ベースの方法を提供する。
また、AI Officeのような当局は、出現する可能性のある潜在的な問題を識別し、プロバイダが高品質なパブリックサマリーを開発するための実用的なレコメンデーションとガイドラインを提供する。
本論文は,2026年1月12日時点で公表された5つの公的な要約を,徹底的な検索プロセスを通じて評価するものである。
また,これらの知見を公開資料として広めるために,評価,成果,方法論の共有を行うWebサイトの開発についても述べる。
関連論文リスト
- OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。
回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。
OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
論文 参考訳（メタデータ） (2026-01-04T15:48:51Z) - AI-Driven Document Redaction in UK Public Authorities: Implementation Gaps, Regulatory Challenges, and the Human Oversight Imperative [2.8689825520190446]
本研究は、自由情報要求を通じて、英国公共当局におけるAIによる文書再アクションの実施について検討する。
技術的可能性と組織的現実の間には大きなギャップがある。
この研究は、効果的なAI実装のための3つの重要な障壁を特定している。
論文 参考訳（メタデータ） (2025-12-02T13:52:10Z) - The Journal of Prompt-Engineered Philosophy Or: How I Started to Track AI Assistance and Stopped Worrying About Slop [0.0]
記事は、インセンティブがいかに透明性を損なうかを分析します。
伝統的な会場は政策の調整だけでこの緊張を解消できない。
義務的な開示を強制し、複製に基づくレビューを可能にし、詳細なドキュメントを通じて生態学的妥当性をサポートする。
論文 参考訳（メタデータ） (2025-11-10T08:56:21Z) - The Fundamental Rights Impact Assessment (FRIA) in the AI Act: Roots, legal obligations and key elements for a model template [55.2480439325792]
基本権利影響評価(FRIA)の理論的・方法論的検討における既存のギャップを埋めることを目的とする。
この記事では、FRIAのモデルテンプレートの主要なビルディングブロックについて概説する。
これは、AIが人権と完全に整合していることを保証するために、他の国家および国際規制イニシアチブの青写真として機能する。
論文 参考訳（メタデータ） (2024-11-07T11:55:55Z) - A BERT-based Empirical Study of Privacy Policies' Compliance with GDPR [9.676166100354282]
本研究は,5Gネットワークにおけるプライバシポリシ間のコンプライアンス分析の課題を解決することを目的とする。
約70のMNOから手動でプライバシポリシを収集し,BERTベースの自動モデルを用いて分類を行った。
さらに,5Gネットワークにおけるプライバシポリシの可読性に関する実証的証拠を初めて提示する。
論文 参考訳（メタデータ） (2024-07-09T11:47:52Z) - Evaluating AI for Law: Bridging the Gap with Open-Source Solutions [32.550204238857724]
本研究では,ChatGPTのような汎用AIの法的質問応答における性能を評価する。
これらの問題を克服するためにドメイン固有の知識によって強化された基礎モデルを活用することを提案する。
論文 参考訳（メタデータ） (2024-04-18T17:26:01Z) - Leveraging Large Language Models for Topic Classification in the Domain
of Public Affairs [65.9077733300329]
大規模言語モデル (LLM) は公務員文書の分析を大幅に強化する可能性を秘めている。
LLMは、公共の分野など、ドメイン固有のドキュメントを処理するのに非常に役立ちます。
論文 参考訳（メタデータ） (2023-06-05T13:35:01Z) - NLPeer: A Unified Resource for the Computational Study of Peer Review [58.71736531356398]
NLPeer - 5万以上の論文と5つの異なる会場からの1万1千件のレビューレポートからなる、初めて倫理的にソースされたマルチドメインコーパス。
従来のピアレビューデータセットを拡張し、解析および構造化された論文表現、豊富なメタデータ、バージョニング情報を含む。
我々の研究は、NLPなどにおけるピアレビューの体系的、多面的、エビデンスに基づく研究への道のりをたどっている。
論文 参考訳（メタデータ） (2022-11-12T12:29:38Z) - Algorithmic Fairness Datasets: the Story so Far [68.45921483094705]
データ駆動アルゴリズムは、人々の幸福に直接影響し、批判的な決定をサポートするために、さまざまな領域で研究されている。
研究者のコミュニティは、既存のアルゴリズムの株式を調査し、新しいアルゴリズムを提案し、歴史的に不利な人口に対する自動意思決定のリスクと機会の理解を深めてきた。
公正な機械学習の進歩はデータに基づいており、適切に文書化された場合にのみ適切に使用できる。
残念なことに、アルゴリズムフェアネスコミュニティは、特定のリソース(オパシティ)に関する情報の不足と利用可能な情報の分散(スパーシティ)によって引き起こされる、集合的なデータドキュメント負債に悩まされている。
論文 参考訳（メタデータ） (2022-02-03T17:25:46Z) - Fairness and Data Protection Impact Assessments [3.8073142980733]
本稿では,データ影響評価を行うための要件の有効性を批判的に検討する。
一般データ保護規則第35条において公正原則の役割について考察する。
論文 参考訳（メタデータ） (2021-09-13T20:38:17Z)
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。