論文の概要: The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act

• arxiv url: http://arxiv.org/abs/2605.01611v1
• Date: Sat, 02 May 2026 21:21:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.851922
• Title: The Case for ESM3 as a General-Purpose AI Model with Systemic Risk Under the EU AI Act
• Title（参考訳）: EU AI法に基づくシステムリスクを有する汎用AIモデルとしてのESM3の事例
• Authors: Taro Qureshi, Jacob Griffith, Koen Holtman, Marcel Mir Teijeiro, Ze Shen Chin, Rokas Gipiškis,
• Abstract要約: 我々は、ESM3のような最先端の生物基盤モデルが、EU AI法の下でシステム的リスクを持つ汎用AIモデルに対して、どの程度の義務を負うかを検討する。 この時点で、ESM3は法律によって意味のある規制を受けていないと結論付けている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to ambiguity in the wording of the EU AI Act, we examine the question of to what extent frontier biological foundation models such as ESM3 are subject to obligations for general-purpose AI models with systemic risk under the EU AI Act. In this paper, we map ESM3 to the biorisk chain, and conclude that it would be desirable if the providers of ESM3 and similar biological models were subject to these obligations, which would require them to assess and mitigate dual-use risks from their models. We then perform an analysis, comparing the attributes of ESM3 to the classification criteria in the AI Act and the supporting material. We conclude that at this time, ESM3 does not appear to be meaningfully regulated by the Act. We then propose remedies to correct the situation.
• Abstract（参考訳）: EU AI法における文言の曖昧さのため、ESM3のような最先端の生物基盤モデルが、EU AI法の下でシステム的リスクを持つ汎用AIモデルに対してどの程度の義務を負うかを検討する。 本稿では,ESM3をバイオリスク連鎖にマッピングし,ESM3と類似の生体モデルの提供者がこれらの義務を負う場合,それらのモデルから二重利用リスクを評価・緩和することが望ましいと結論付けた。 次に分析を行い、ESM3の属性をAI法と支援材料における分類基準と比較する。 この時点で、ESM3は法律によって意味のある規制を受けていないと結論付けている。 そして、その状況を是正するための対策を提案します。

関連論文リスト

• 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)
• Toward Quantitative Modeling of Cybersecurity Risks Due to AI Misuse [50.87630846876635]
  我々は9つの詳細なサイバーリスクモデルを開発する。 各モデルはMITRE ATT&CKフレームワークを使用して攻撃をステップに分解する。 個々の見積もりはモンテカルロシミュレーションによって集約される。
  論文  参考訳（メタデータ） (2025-12-09T17:54:17Z)
• From Bias to Accountability: How the EU AI Act Confronts Challenges in European GeoAI Auditing [0.6061201384450973]
  この研究は、GeoAIバイアスエビデンスをEU AI Actコンテキストに初めて統合したものだ。 この法律の高リスク基準を適用することで、広くデプロイされたGeoAIアプリケーションが高リスクシステムとして適していることを示す。 この分析は探索的ではあるが、2027年以前には、よく計算された欧州のデータセットでさえ、定期的なバイアス監査を採用するべきであることを示唆している。
  論文  参考訳（メタデータ） (2025-05-23T13:34:39Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• 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)
• How Could Generative AI Support Compliance with the EU AI Act? A Review for Safe Automated Driving Perception [4.075971633195745]
  ディープニューラルネットワーク(DNN)は、自動運転車の知覚機能の中心となっている。 EU(EU)人工知能(AI)法は、AIシステムの厳格な規範と標準を確立することによって、これらの課題に対処することを目的としている。 本稿では、DNNに基づく知覚システムに関するEU AI法から生じる要件を要約し、ADにおける既存の生成AIアプリケーションを体系的に分類する。
  論文  参考訳（メタデータ） (2024-08-30T12:01:06Z)
• The Dilemma of Uncertainty Estimation for General Purpose AI in the EU AI Act [6.9060054915724]
  AI法は、欧州連合全体のAIシステムの規制である。 我々は、不確実性推定が、実世界でモデルをデプロイするために必要なコンポーネントであるべきだと論じる。
  論文  参考訳（メタデータ） (2024-08-20T23:59:51Z)
• EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• Navigating the EU AI Act: A Methodological Approach to Compliance for Safety-critical Products [0.0]
  本稿では,リスクの高いAIシステムに対するEU AI Act要件を解釈するための方法論を提案する。 まず,AIシステムに対する製品品質モデルの拡張を提案し,現行の品質モデルではカバーされない法に関する属性を取り入れた。 次に、ステークホルダーレベルで技術的要件を導出するための契約ベースのアプローチを提案します。
  論文  参考訳（メタデータ） (2024-03-25T14:32:18Z)

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。