論文の概要: Computer Science Conferences Should Require Nonrepudiable Experimental Results

• arxiv url: http://arxiv.org/abs/2605.08586v1
• Date: Sat, 09 May 2026 01:05:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 15:13:39.371774
• Title: Computer Science Conferences Should Require Nonrepudiable Experimental Results
• Title（参考訳）: コンピュータサイエンスのカンファレンスは、否定できない実験結果を必要とする
• Abstract要約: 我々はその根底にある問題実験を非調査と呼ぶ。 準拠プロトコルは、著者が後で変更したり否定したりできない方法で、紙の中の数値を実際の実行された計算に結び付けなければならない。 この問題が解決可能であることを示すため、トレーニングデータにアクセスせずに署名されたレポートを生成するGoのリファレンス実装であるK-Veritasを構築した。
• 参考スコア（独自算出の注目度）: 5.70487209200114
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This position paper argues that computer science conferences should require tamper-evident, nonrepudiable attestations of experimental results. We name the underlying problem experiment nonrepudiation: a compliant protocol must bind the numbers in a paper to an actual executed computation in a way the author cannot later alter or deny. The current system relies on self-reported checklists, optional code sharing, and author-controlled logging. None of these mechanisms answer the question a reviewer cannot check: did the code the paper describes produce the numbers the paper reports? We define the problem formally, state the security properties any compliant protocol must satisfy, and describe a threat model that includes attacks current approaches do not prevent. To show that the problem is solvable, we built K-Veritas, a reference implementation in Go that produces signed reports without accessing training data. K-Veritas is a testbed, not a finished answer. We call on conferences and the community to treat nonrepudiation as a first-class requirement and to help build an open, independent standard for it.
• Abstract（参考訳）: このポジションペーパーは、コンピュータサイエンスの会議は、実験結果の、未確認で、検証不可能な証明を必要とするべきだと主張している。 準拠プロトコルは、著者が後で変更したり否定したりできない方法で、論文内の数値を実際の実行された計算に結び付けなければならない。 現在のシステムは、自己報告のチェックリスト、オプションのコード共有、オーサリングによるロギングに依存している。 これらのメカニズムはどれも、レビュアーがチェックできない質問に答えるものではありません。 この問題を正式に定義し、任意の準拠プロトコルが満たさなければならないセキュリティ特性を記述し、現在のアプローチが防ぐことのない攻撃を含む脅威モデルを記述する。 この問題が解決可能であることを示すため、トレーニングデータにアクセスせずに署名されたレポートを生成するGoのリファレンス実装であるK-Veritasを構築した。 K-Veritasはテストベッドであり、完全な答えではない。 我々はカンファレンスやコミュニティに、非審査を第一級の要件として扱い、オープンで独立した標準の構築を支援するよう呼びかけています。

関連論文リスト

• TRACE: An Operational Reasoning Schema for Auditable Agentic Commitments [0.0]
  TRACE (Typed Reasoning And Commitment Evidence) は、推論トレースを記録するためのタイプ付きバージョン付きスキーマである。 論文は3つのレイヤで、推論は言語モデルにはない、と論じている。 レコード消費者契約は、レコードが保証するものと、その見返りに消費者が尊重すべきものを記述する。
  論文  参考訳（メタデータ） (2026-07-14T08:08:21Z)
• On the Inseparability of Instructions and Data in Shared-Embedding Sequence Models [0.0]
  我々は、制御権威行動を伴うプロンプトアクションモデルとして、誘導されたシステムを定式化する。 共有パイプライン内では,SFC(Semantic-Faithful Control)が実現不可能であることを示す。 根本原因とそれが要求するソリューションのクラスを特定します。
  論文  参考訳（メタデータ） (2026-06-25T21:52:29Z)
• ResearchLoop: An Evidence-Gated Control Plane for AI-Assisted Research [4.9833735627186435]
  ResearchLoopはAI支援型計算研究のためのエビデンス付き制御プレーンである。 ResearchLoopは、リサーチ質問、タスク契約、エビデンスオブジェクト、クレーム台帳、クローズアウト、ペーパーバインディングを耐久性のあるプロジェクトステートとして扱う。 この技術レポートは、完全なプロトコル仕様、状態モデル、トランジションルール、クレーム・アドミッション・アルゴリズム、インサイト・コンポーティングメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-05-27T10:29:00Z)
• 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)
• Scaling Human-AI Coding Collaboration Requires a Governable Consensus Layer [22.42181408084751]
  ビブコーディングは正確で実行可能なコードを高速に生成するが、構造的なコミットメントや依存関係、証拠の記録は残っていない。 本稿では,操作可能な世界モデルであるコンセンサス層Cが,エンジニアリングの主要な成果物としてコードを置き換えるパラダイムであるエージェント・コンセンサスを提案する。 本稿では,チャットによるベースラインと比較して,コンセンサスに基づく人間の介入を減らすかどうかを測定するためのベンチマークタスクファミリーを提案する。
  論文  参考訳（メタデータ） (2026-04-20T06:53:32Z)
• FactReview: Evidence-Grounded Reviews with Literature Positioning and Execution-Based Claim Verification [57.196748998757954]
  本稿では,クレーム抽出,文献位置決定,実行に基づくクレーム検証を組み合わせたエビデンスベースレビューシステムであるFactReviewを紹介する。 FactReviewは論文を提出すると、主要なクレームを特定し、その結果を報告し、論文の技術的な位置を明らかにするために近くの作業を取り出し、コードが利用可能であれば、リリースされたリポジトリを実行する。 その後、簡潔なレビューと、主要な請求を5つのラベルのうち1つに割り当てるエビデンスレポートを生成する。
  論文  参考訳（メタデータ） (2026-04-05T11:45:22Z)
• An Agentic Evaluation Framework for AI-Generated Scientific Code in PETSc [7.236134946837382]
  petscagent-benchはエージェント評価エージェントのパラダイムに基づいて構築されたエージェントフレームワークである。 正確性、パフォーマンス、コード品質、アルゴリズムの適切性、ライブラリ固有の規約の5つの評価カテゴリで14評価パイプラインを編成する。 本フレームワークは,HPC用PETScライブラリを用いて,現実的な問題のベンチマークスイート上で実演する。
  論文  参考訳（メタデータ） (2026-03-16T22:46:10Z)
• Scaling Agentic Verifier for Competitive Coding [66.11758166379092]
  大規模言語モデル(LLM)は強力なコーディング能力を示しているが、1回の試行で競合するプログラミング問題を正しく解くのに苦戦している。 実行ベースの再ランク付けは、有望なテスト時間スケーリング戦略を提供するが、既存のメソッドは、難しいテストケースの生成または非効率的なランダム入力サンプリングによって制約される。 本稿では,プログラムの動作を積極的に推論し,高い差別性のあるテスト入力を検索するエージェント検証手法を提案する。
  論文  参考訳（メタデータ） (2026-02-04T06:30:40Z)
• MathLedger: A Verifiable Learning Substrate with Ledger-Attested Feedback [0.0]
  現代のAIシステムは異常なパフォーマンスを達成するが、不透明で検証不可能なままである。 我々は,形式的検証,暗号証明,学習ダイナミクスを統合した,検証可能なマシン認知のための基板であるMathLedgerを紹介する。 この貢献は非構造的であり、大規模な監査性を実現する台帳による学習の実践的なプロトタイプである。
  論文  参考訳（メタデータ） (2025-12-22T19:27:55Z)
• Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
  本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。 提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。 本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
  論文  参考訳（メタデータ） (2025-01-20T08:40:15Z)
• On the Detection of Reviewer-Author Collusion Rings From Paper Bidding [71.43634536456844]
  衝突リングは、コンピュータサイエンスカンファレンスのピアレビューシステムに大きな脅威をもたらす。 この問題を解決する1つのアプローチは、操作された入札から衝突するレビュアーを検出することである。 衝突環の検出が可能であるという研究はまだ確立されていない。
  論文  参考訳（メタデータ） (2024-02-12T18:12:09Z)
• Error-Tolerant E-Discovery Protocols [18.694850127330973]
  Dong, Hartline, Vijayaraghavan (2022) が導入した多党派分類問題について考察する。 要求当事者からの生産要求に基づき、応答当事者は、法的特権を有する者を除き、要求に応答する文書の提供を要求される。 我々のゴールは、応答する相手が応答しないドキュメントの公開を最小限に抑えながら、ほぼ全ての応答するドキュメントを送信することを検証するプロトコルを見つけることである。
  論文  参考訳（メタデータ） (2024-01-31T15:59:16Z)
• Near-Optimal Reviewer Splitting in Two-Phase Paper Reviewing and Conference Experiment Design [76.40919326501512]
  総割り当ての類似性を最大化するために、レビュアーを段階または条件に分けるにはどうすればいいのか? 実会議データに関連する複数のデータセットに対して、ランダムに位相/条件を均一に分割することで、オラクルの最適割り当てとほぼ同等の割り当てが可能であることを実証的に示す。
  論文  参考訳（メタデータ） (2021-08-13T19:29:41Z)
• Mitigating Manipulation in Peer Review via Randomized Reviewer Assignments [96.114824979298]
  コンファレンスピアレビューにおける3つの重要な課題は、特定の論文に割り当てられる悪意のある試みであり、"Torpedo reviewing"である。 我々は、これらの課題を共通の傘の下にまとめ、レビュアーの割り当てのための(ランダム化された)アルゴリズムを示すフレームワークを提案する。 我々のアルゴリズムは、悪意のあるレビュアーが希望する論文に割り当てられる確率を50%に抑えつつ、完全な最適類似性の90%以上を割り当てることができます。
  論文  参考訳（メタデータ） (2020-06-29T23:55:53Z)

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。