論文の概要: Geographic Blind Spots in AI Control Monitors: A Cross-National Audit of Claude Opus 4.6

• arxiv url: http://arxiv.org/abs/2604.13069v1
• Date: Fri, 20 Mar 2026 10:56:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.655526
• Title: Geographic Blind Spots in AI Control Monitors: A Cross-National Audit of Claude Opus 4.6
• Title（参考訳）: AI制御モニターの地理盲点:Opus 4.6の全国的監査
• Authors: Jason Hung,
• Abstract要約: Apart ResearchのAI Control Hackathon Track 3ベンチマークで指定されたモニタであるClaude Opus 4.6を監査する。 この研究は、AI制御モニタの地理的知識ギャップに関する、最初の国家横断的な多ドメイン監査を提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Artificial intelligence (AI) control protocols assume that trusted large language model (LLM) monitors reliably assess proposed actions across all deployment contexts. This paper tests that assumption in the geographic dimension. We audit Claude Opus 4.6-the monitor specified in Apart Research's AI Control Hackathon Track 3 benchmark-for systematic gaps in its factual knowledge of the global AI landscape. We develop the AI Control Knowledge Framework (ACKF), a six-dimension thematic scheme, and operationalise it with 17 verified indicators drawn from the Global AI Dataset v2 (GAID v2): 24,453 indicators across 227 countries published on Harvard Dataverse. A five-category response classification scheme distinguishes verifiable fabrication (VF) from honest refusal (HR); logistic regression with country-clustered standard errors combined with difference-in-differences (DiD) estimation quantifies geographic disparities in monitor accuracy across 2,820 country-metric-year observations. Contrary to our initial hypothesis, Claude Opus 4.6 produces higher fabrication rates for Global North queries than for Global South counterparts-a pattern consistent with a partial-knowledge mechanism in which the model attempts answers more frequently for Global North contexts but commits to incorrect values. This fabrication profile constitutes an exploitable vulnerability, where an adversarial AI system could frame harmful actions in governance or public attitude terms to reduce the probability of detection. This study provides the first cross-national, multi-domain audit of an AI control monitor's geographic knowledge gaps, with direct implications for the design of control protocols.
• Abstract（参考訳）: 人工知能(AI)制御プロトコルは、信頼された大規模言語モデル(LLM)がすべてのデプロイメントコンテキストにわたって提案されたアクションを確実に評価していると仮定する。 本稿では、この仮定を地理的次元で検証する。 我々は、Apart ResearchのAI Control Hackathon Track 3ベンチマークで指定されたモニターであるClaude Opus 4.6を監査する。 我々は、6次元のテーマスキームであるAI Control Knowledge Framework(ACKF)を開発し、Global AI Dataset v2(GAID v2)から引き出された17の検証指標で運用する。 5カテゴリの応答分類法は、検証可能な製造法(VF)と正解法(HR)を区別し、国別標準誤差と差分差分推定(DiD)を組み合わせたロジスティック回帰は、国別年別2,820回の観測で測定精度の地理的格差を定量化する。 最初の仮説とは対照的に、Claude Opus 4.6はGlobal Northのクエリに対して、Global Southのクエリよりも高い作成率を生成する。 この作成プロファイルは悪用可能な脆弱性を構成しており、敵AIシステムは、ガバナンスまたは公共の態度条件における有害なアクションをフレーム化して、検出の確率を減らすことができる。 本研究は,AI制御モニタの地理的知識ギャップの全国横断的な多ドメイン監査を行い,制御プロトコルの設計に直接的な意味を与えるものである。

関連論文リスト

• IAD-Unify: A Region-Grounded Unified Model for Industrial Anomaly Segmentation, Understanding, and Generation [21.900464211494022]
  実世界の産業検査では、欠陥をローカライズし、自然言語で説明し、制御された欠陥編集を生成する必要がある。 IAD-Unifyは,凍結したDINOv2系領域の専門家が正確な異常証拠を提供する,デュアルエンコーダ統合フレームワークである。 IAD-Unifyは、トレーニング中に見えないカテゴリ、堅牢なクロスカテゴリの一般化など、MMADベンチマークで強力なパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-04-14T08:29:31Z)
• OccuBench: Evaluating AI Agents on Real-World Professional Tasks via Language Environment Simulation [57.505743202759646]
  OccuBenchは10の業界カテゴリと65の専門ドメインにわたる100の現実のプロフェッショナルタスクシナリオをカバーするベンチマークである。 我々のマルチエージェント合成パイプラインは, 可溶性, 校正困難, 文書基底の多様性を保証した評価インスタンスを自動生成する。
  論文  参考訳（メタデータ） (2026-04-13T00:27:32Z)
• Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
  我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。 内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-03-13T20:44:15Z)
• World Model Failure Classification and Anomaly Detection for Autonomous Inspection [23.48742973289626]
  教師付き障害分類と異常検出を組み合わせたハイブリッドフレームワークを提案する。 我々のアプローチは、圧縮されたビデオ入力を持つ世界モデルバックボーンを使用する。 実験では、成功、失敗、およびOODケースの区別において90%以上の精度が示されている。
  論文  参考訳（メタデータ） (2026-02-18T04:41:14Z)
• Global AI Bias Audit for Technical Governance [0.0]
  本稿では,Large Language Models (LLMs) プロジェクトのグローバル監査における探索段階の成果について述べる。 私はGlobal AIデータセット(GAID)プロジェクトを、Llama-3 8Bモデルをストレステストするフレームワークとして使用し、技術的AIガバナンスの認識における地理的および社会経済的バイアスを評価しました。 この結果は、AIの技術知識が高所得地域に集中していることを明らかにし、グローバル・サウスの低所得国は不均等な体系的な情報ギャップに直面している。
  論文  参考訳（メタデータ） (2026-02-01T19:45:21Z)
• Parrot: Persuasion and Agreement Robustness Rating of Output Truth -- A Sycophancy Robustness Benchmark for LLMs [0.0]
  PARROT (Persuasion and Agreement Robustness Rating of Output Truth) は、ユーザの社会的圧力下での精度の劣化を測定するための堅牢性にフォーカスしたフレームワークである。 我々は13のドメインにまたがる1,302のMMLUスタイルの多重選択質問とドメイン固有の権威テンプレートを用いて22のモデルを評価する。
  論文  参考訳（メタデータ） (2025-11-21T13:01:28Z)
• 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)
• Scaling Truth: The Confidence Paradox in AI Fact-Checking [0.8201655885319955]
  大規模言語モデル(LLM)は事実検証の自動化を約束するが、グローバルな文脈での有効性は不確実である。 我々はこれまでに47言語174のファクトチェック組織で評価された5000のクレームを用いて,複数のカテゴリにまたがる9つの確立されたLCMを体系的に評価した。 より小さいモデルでは精度が低いにもかかわらず高い信頼性を示す一方、より大きなモデルは高い精度を示すが、信頼性は低い。
  論文  参考訳（メタデータ） (2025-09-10T17:36:25Z)
• Facial Action Unit Detection by Adaptively Constraining Self-Attention and Causally Deconfounding Sample [53.23474626420103]
  顔行動単位(AU)検出は、AUの微妙さ、ダイナミクス、多様性のため、依然として困難な課題である。 本稿では,自己注意重み分布を適応的に制限することで,AC2Dと呼ばれる新しいAU検出フレームワークを提案する。 提案手法は,最先端のAU検出手法と比較して,挑戦的なベンチマークによる競合性能を実現する。
  論文  参考訳（メタデータ） (2024-10-02T05:51:24Z)
• Unifying Unsupervised Graph-Level Anomaly Detection and Out-of-Distribution Detection: A Benchmark [73.58840254552656]
  近年,非教師付きグラフレベルの異常検出(GLAD)と教師なしグラフレベルのアウト・オブ・ディストリビューション(OOD)検出が注目されている。 教師なしアンダーラインtextbfGraphレベルアンダーラインtextbfOOD と anomaunderlinetextbfLy underlinetextbfDetection (ourmethod) に対するアンダーラインtextbfUnifiedアンダーラインtextbffBenchmark を提案する。 私たちのベンチマークには35のデータセットが含まれています
  論文  参考訳（メタデータ） (2024-06-21T04:07:43Z)
• Distributed Q-Learning with State Tracking for Multi-agent Networked Control [61.63442612938345]
  本稿では,LQR(Linear Quadratic Regulator)のマルチエージェントネットワークにおける分散Q-ラーニングについて検討する。 エージェントに最適なコントローラを設計するための状態追跡(ST)ベースのQ-ラーニングアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2020-12-22T22:03:49Z)

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。