論文の概要: A Faceted Proposal for Transparent Attribution of AI-Assisted Text Production

• arxiv url: http://arxiv.org/abs/2604.25346v1
• Date: Tue, 28 Apr 2026 08:03:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-29 16:49:17.768069
• Title: A Faceted Proposal for Transparent Attribution of AI-Assisted Text Production
• Title（参考訳）: AIを活用したテキスト生成の透過的帰属のための顔付き提案
• Authors: Geraldo Xexéo,
• Abstract要約: 本稿では, 文書, 章, 節, 段落のレベルにおいて, AI支援によるテキスト生成を表現するためのファセットモデルを提案する。 提案では、フォーム、ジェネレーション、評価に基づくコアモデルと、インテント、コントロール、トレーサビリティを追加する拡張モデルを紹介している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence systems are increasingly integrated into writing processes, challenging traditional notions of authorship, responsibility, and intellectual contribution. Current disclosure practices usually indicate whether AI was used, but rarely explain how it was used, where it intervened, or how its output was reviewed. This paper proposes a faceted model for representing AI-assisted text production at the levels of documents, chapters, sections, and paragraphs. The proposal introduces a core model based on Form, Generation, and Evaluation, and an extended model that adds Intent, Control, and Traceability. The model is positioned as a minimal operational baseline with extensibility toward higher-fidelity representations. A worked example based on the production of this article demonstrates applicability.
• Abstract（参考訳）: 人工知能システムは、執筆プロセス、著者、責任、知的貢献といった伝統的な概念に挑戦し、ますます統合されている。 現在の情報開示の慣行は、AIが使われているかどうかを示すが、どのように使われたのか、どのように介入されたのか、どのようにアウトプットがレビューされたのかを説明することは滅多にない。 本稿では, 文書, 章, 節, 段落のレベルにおいて, AI支援によるテキスト生成を表現するためのファセットモデルを提案する。 提案では、フォーム、ジェネレーション、評価に基づくコアモデルと、インテント、コントロール、トレーサビリティを追加する拡張モデルを紹介している。 このモデルは、高忠実度表現への拡張性を備えた、最小限の運用ベースラインとして位置づけられている。 この記事の制作に基づく実例は、適用性を示している。

関連論文リスト

• Making AI-Assisted Grant Evaluation Auditable without Exposing the Model [0.0]
  本稿では,遠隔検定による要求の整合を支援するTEEアーキテクチャを提案する。 このアーキテクチャにより、外部検証者はどのモデル、ルーブリック、プロンプトテンプレート、入力表現が使われたかをチェックすることができる。 我々は、秘密のAI推論、証明可能なAI監査、ゼロ知識機械学習、アルゴリズムのアカウンタビリティ、AI支援ピアレビューに対する設計を位置付ける。
  論文  参考訳（メタデータ） (2026-04-28T04:10:04Z)
• Inspectable AI for Science: A Research Object Approach to Generative AI Governance [35.790980610679384]
  研究対象としてのAI(AI-RO)について紹介する。 AIが著者なのか単なるツールなのかを議論する代わりに、我々はAIインタラクションを研究プロセスの構造化された検査可能なコンポーネントとして扱うことを提案する。
  論文  参考訳（メタデータ） (2026-04-13T10:13:20Z)
• General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
  ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。 私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。 私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
  論文  参考訳（メタデータ） (2025-03-09T01:13:56Z)
• Survey on Vision-Language-Action Models [0.2636873872510828]
  この研究は、オリジナルの研究を表現していないが、AIが文学レビューの自動化にどのように役立つかを強調している。 今後の研究は、AI支援文学レビューのための構造化されたフレームワークの開発に焦点を当てる。
  論文  参考訳（メタデータ） (2025-02-07T11:56:46Z)
• Explainability in Process Outcome Prediction: Guidelines to Obtain Interpretable and Faithful Models [77.34726150561087]
  本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。 本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
  論文  参考訳（メタデータ） (2022-03-30T05:59:50Z)
• Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
  AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。 異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。 実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
  論文  参考訳（メタデータ） (2021-01-18T08:37:13Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)
• A Methodology for Creating AI FactSheets [67.65802440158753]
  本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。 方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。 この方法論は、透明なAIドキュメントの採用を加速する。
  論文  参考訳（メタデータ） (2020-06-24T15:08:59Z)

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。