論文の概要: Separating Diagnosis from Control: Auditable Policy Adaptation in Agent-Based Simulations with LLM-Based Diagnostics

• arxiv url: http://arxiv.org/abs/2603.22904v1
• Date: Tue, 24 Mar 2026 07:52:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-25 19:53:37.367279
• Title: Separating Diagnosis from Control: Auditable Policy Adaptation in Agent-Based Simulations with LLM-Based Diagnostics
• Title（参考訳）: 制御からの分離診断: LLMを用いたエージェント・ベース・シミュレーションにおける評価可能なポリシー適応
• Abstract要約: 高齢者の孤独を緩和するには、適応性と監査性の両方を達成するための政策介入が必要である。 本研究は,両特性を同時に達成するために,診断を制御から分離する3層フレームワークを提案する。 その結果、明示的な制御規則は、完全な監査性を維持しながら、エンドツーエンドのLCMアプローチを11.7%上回る結果となった。
• 参考スコア（独自算出の注目度）: 10.25117941762109
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mitigating elderly loneliness requires policy interventions that achieve both adaptability and auditability. Existing methods struggle to reconcile these objectives: traditional agent-based models suffer from static rigidity, while direct large language model (LLM) controllers lack essential traceability. This work proposes a three-layer framework that separates diagnosis from control to achieve both properties simultaneously. LLMs operate strictly as diagnostic instruments that assess population state and generate structured risk evaluations, while deterministic formulas with explicit bounds translate these assessments into traceable parameter updates. This separation ensures that every policy decision can be attributed to inspectable rules while maintaining adaptive response to emergent needs. We validate the framework through systematic ablation across five experimental conditions in elderly care simulation. Results demonstrate that explicit control rules outperform end-to-end black-box LLM approaches by 11.7\% while preserving full auditability, confirming that transparency need not compromise adaptive performance.
• Abstract（参考訳）: 高齢者の孤独を緩和するには、適応性と監査性の両方を達成するための政策介入が必要である。 従来のエージェントベースのモデルは静的な剛性に悩まされ、直接的な大規模言語モデル(LLM)コントローラは必須のトレーサビリティを欠いている。 本研究は,両特性を同時に達成するために,診断を制御から分離する3層フレームワークを提案する。 LLMは、人口状態を評価し、構造化されたリスク評価を生成する診断機器として厳密に機能し、明示的な境界を持つ決定論的公式は、これらの評価をトレース可能なパラメータ更新に変換する。 この分離により、すべてのポリシー決定が検査可能なルールに起因できると同時に、緊急ニーズに対する適応的な応答を維持することができる。 介護シミュレーションにおける5つの実験条件にまたがる組織的アブレーションによる枠組みの検証を行った。 その結果、明示的な制御規則は、完全な監査性を維持しながら、エンドツーエンドのLCMアプローチよりも 11.7 % 向上し、透明性が適応的なパフォーマンスを損なう必要はないことを確認した。

関連論文リスト

• AspisAI: A Canonical, Machine-Interpretable Governance Framework for Automated Multi-Standard Compliance Monitoring [0.0]
  本稿では,選択した要件を標準的機械解釈制御モデルに変換する,限定的で標準に依存しないガバナンスフレームワークであるemphAspisAIを提案する。 26の代表的な要件の範囲内において、このフレームワークは5つのガバナンス指向の基準に対して制御されたシミュレーションで評価される。 その結果は、完全な要求エンコーディング、88.5,%マッピングカバレッジ、完全なトレーサビリティ、導入されたすべてのギャップの正確な検出を含む。
  論文  参考訳（メタデータ） (2026-09-09T22:37:12Z)
• Interpreting Control Latents for System Identification via Conditional Flow Matching [13.781988133863209]
  制御潜水器を物理モデルアンサンブルに変換し,チューニング,ロバスト性解析,凍結適応ポリシの診断を行う。 これらの結果から,制御潜伏剤を物理モデルアンサンブルに変換し,チューニング,ロバストネス解析,凍結適応ポリシの診断を行うことができた。
  論文  参考訳（メタデータ） (2026-08-24T22:54:44Z)
• Machine-Coached Policy Revision in Adaptive Agent-Based Regulatory Simulation: A Controller-Level Contestability Layer [0.0]
  本稿では,適応型エージェントベース規制のための軽量な機械学習対応ポリシ・リビジョン層を提案する。 このコントリビューションは、新しい最適コントローラではなく、無制限のマシンコーチングの正式な保証を主張するものではない。
  論文  参考訳（メタデータ） (2026-06-15T10:36:10Z)
• Structural Distinguishability of Static and Adaptive Policy Regimes in Agent-Based Regulatory Simulation [0.0]
  本稿では,新しい汎用フレームワークではなく,制御されたシミュレーションベンチマークに寄与する。 本研究は, ナイーブな固定ポリシー, トラッキング対応の固定ポリシ, および, セットポイント, 安全マージン, 片側制御の3つの適応コントローラを評価する。 このコントリビューションは、スカラーインジケータ、キャップ相対的なシンボル診断、軌跡モチーフ、視覚検査によって、平均的な結果が類似しているように見える場合でも、どのように規制の結論が異なるかを共同で明らかにする。
  論文  参考訳（メタデータ） (2026-06-15T10:06:32Z)
• Neuro-Symbolic Agents for Hallucination-Free Requirements Reuse [0.0]
  本稿では,要求の再利用をモデル駆動型励磁プロセスとして再概念化する,ニューロシンボリックなマルチエージェントシステムを提案する。 本システムは,100%要件カバレッジと制約違反率を0.2%で達成する。
  論文  参考訳（メタデータ） (2026-05-02T18:16:04Z)
• MMEB-V3: Measuring the Performance Gaps of Omni-Modality Embedding Models [70.34265674686516]
  マルチモーダル埋め込みモデルは、テキスト、画像、ビデオ、オーディオなどの異種入力を共有意味空間にマッピングすることを目的としている。 本稿では,テキスト,画像,ビデオ,オーディオ,エージェント中心のシナリオにまたがる埋め込みを評価するベンチマークであるMMEB-V3を紹介する。 本研究は, 完全モダリティ埋め込みの系統的解析を行い, 3つの重要な知見を同定する。
  論文  参考訳（メタデータ） (2026-04-25T14:15:05Z)
• Beyond Prompt: Fine-grained Simulation of Cognitively Impaired Standardized Patients via Stochastic Steering [58.85421622061983]
  認知障害患者の微粒化シミュレーションのためのStsPatientを提案する。 対照的な命令と応答のペアからステアリングベクトルを抽出することにより、ドメイン固有の特徴を捉える。 StsPatientは、臨床の信頼性と重症度の両方において、ベースラインを著しく上回る。
  論文  参考訳（メタデータ） (2026-04-14T02:37:46Z)
• LHAW: Controllable Underspecification for Long-Horizon Tasks [8.46227536869596]
  LHAW(Long-Horizon Augmenteds)は、モジュール型でデータセットに依存しない合成パイプラインである。 あいまいさのLLM予測に依存するアプローチとは異なり、LHAWは経験的エージェント試行を通じて変種を検証し、観察された終端状態のばらつきに基づいて結果クリティカル、発散、良性として分類する。 TheAgentCompany、SWE-Bench Pro、MCP-Atlasから285のタスク変種をリリースし、現在のエージェントが不明瞭な設定に対して不特定性を検知し、推論し、解決する方法を測定した。
  論文  参考訳（メタデータ） (2026-02-11T04:49:50Z)
• Diagnosing the Reliability of LLM-as-a-Judge via Item Response Theory [6.880198682732575]
  項目応答理論(IRT)に基づくLCM-as-a-Judgeの信頼性評価のための2段階診断フレームワークを提案する。 本フレームワークはIRTのグレード・レスポンシブ・モデル(GRM)を採用し,(1)素早い変動下での計測行動の安定性として定義された本質的な一貫性,(2)人間のアライメント,人間の品質評価との対応,という2つの相補的な次元に沿って信頼性を定式化する。
  論文  参考訳（メタデータ） (2026-01-31T05:24:08Z)
• Towards Comprehensive Stage-wise Benchmarking of Large Language Models in Fact-Checking [64.97768177044355]
  大規模言語モデル(LLM)は、現実のファクトチェックシステムにますます多くデプロイされている。 FactArenaは、完全に自動化されたアリーナスタイルの評価フレームワークである。 本研究では,静的クレーム検証精度とエンドツーエンドのファクトチェック能力の相違点を明らかにした。
  論文  参考訳（メタデータ） (2026-01-06T02:51:56Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Data-Driven Calibration of Prediction Sets in Large Vision-Language Models Based on Inductive Conformal Prediction [0.0]
  動的しきい値キャリブレーションとクロスモーダル整合性検証を統合したモデル非依存不確実性定量化法を提案する。 このフレームワークは、様々なキャリブレーションとテストの分割比で安定したパフォーマンスを実現し、医療、自律システム、その他の安全に敏感な領域における現実的な展開の堅牢性を強調している。 この研究は、マルチモーダルAIシステムにおける理論的信頼性と実用性の間のギャップを埋め、幻覚検出と不確実性を考慮した意思決定のためのスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2025-04-24T15:39:46Z)
• Attribute Controlled Fine-tuning for Large Language Models: A Case Study on Detoxification [76.14641982122696]
  本稿では,属性制御付き大規模言語モデル(LLM)の制約学習スキーマを提案する。 提案手法は, ベンチマーク上での競合性能と毒性検出タスクを達成しながら, 不適切な応答を少ないLCMに導出することを示す。
  論文  参考訳（メタデータ） (2024-10-07T23:38:58Z)
• Automatically Adaptive Conformal Risk Control [49.95190019041905]
  本稿では,テストサンプルの難易度に適応して,統計的リスクの近似的条件制御を実現する手法を提案する。 我々のフレームワークは、ユーザが提供するコンディショニングイベントに基づく従来のコンディショニングリスク制御を超えて、コンディショニングに適した関数クラスのアルゴリズム的、データ駆動決定を行う。
  論文  参考訳（メタデータ） (2024-06-25T08:29:32Z)

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。