論文の概要: Foundations of a Time-Consistent Counterfactual Actuarial Runtime for Autonomous AI Agents

• arxiv url: http://arxiv.org/abs/2605.26508v1
• Date: Tue, 26 May 2026 03:47:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.606428
• Title: Foundations of a Time-Consistent Counterfactual Actuarial Runtime for Autonomous AI Agents
• Title（参考訳）: 自律型AIエージェントのための時間持続型対物アクチュエーターランタイムの基礎
• Authors: Hao-Hsuan Chen,
• Abstract要約: 本稿では,自律型AIエージェントのための実行時アクチュエーター層を提案する。 副作用を含むすべてのアクションは、契約的に固定されたセーフデフォルトに対して、時間的に一貫性があり、反ファクト的なリスク料金を課します。 論文では、プリミティブな契約、料金の同一性、バウンダリ内の非アービタージュ結果、そしてこれら後の層が依存する予算保証について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a foundational runtime actuarial layer for autonomous AI agents in which every side-effect-bearing action carries a time-consistent, counterfactual risk toll computed against a contractually fixed safe default, inside an explicit underwriting boundary. The framework treats per-action insurance as the primary unit of analysis and replaces post-hoc annual liability cover with a pre-action transaction layer. The paper establishes four structural results: (i) a well-defined counterfactual toll under a chosen safe-default mapping and continuation policy, with explicit non-uniqueness; (ii) a no-splitting property within an underwriting boundary that telescopes path-decomposed actions into a boundary potential, with a corollary tying gaming-resistance to boundary design; (iii) an irreversible-authority premium, split into a strictly positive action-level component and an if-and-only-if characterisation of the set-level robust capital increase; and (iv) a conservative runtime gating theorem that translates high-probability toll envelopes into an executed-action budget guarantee. The result is the mathematical base layer for a broader program: an empirical companion instantiates the runtime through an Actuarial Action Interface and authority-frontier experiments; a mechanism-design companion studies strategic operator incentives and cross-boundary aggregation; and a dynamic-underwriting companion studies experience rating and audit-replay calibration. The present paper states the primitive contract, the toll identity, the within-boundary no-arbitrage result, and the budget guarantee on which those later layers depend.
• Abstract（参考訳）: 本稿では,自律型AIエージェントのための基本的実行時構造層を提案する。 この枠組みは、行動ごとの保険を分析の第一の単位として扱い、ホック後の年次債務負担を事前取引層に置き換える。 本論文は,4つの構造的結果を確立する。 (i) 明確な非普遍性を有する、選択されたセーフ・デフォルト・マッピング及び継続ポリシーに基づく明確に定義された反事実的料金 (二 境界設計に反する遊戯性を有する経路分解作用を境界電位に望遠鏡で観測する下書き境界内における非分割性 三 不可逆的権限料で、厳格な正のアクションレベル要素と、設定水準の頑健な資本増額の特色に分割すること。 (iv)高確率有料封筒を実行時予算保証に変換する保守的実行時ゲーティング定理。 実験的なアソシエイトは、アクタリアルアクションインタフェースとオーソリティ-フロンティア実験を通してランタイムをインスタンス化し、メカニズム設計のアソシエイト研究は戦略的オペレータインセンティブとクロスバウンダリーアグリゲーション、動的アンダーライト・アソシエイト研究は評価と監査-再生キャリブレーションを経験する。 本稿では,プリミティブコントラクト,有料ID,イントラバウンダリな非アービタージュ結果,および後続のレイヤが依存する予算保証について述べる。

関連論文リスト

• Insuring Every Action: An Authority Frontier Framework for Runtime Actuarial Control of Autonomous AI Agents [0.0]
  本稿では,アクタリカル・アクション・インタフェース (AAI) を提案する。 次に、各予備資本のレベルにおいて、ランタイムがどれだけ自律的にリリースするかを測定する、評価プリミティブであるオーソリティフロンティアを開発します。 このコントリビューションは、自律エージェントサイドエフェクトのランタイムアクチュエータ制御のためのベンチマーク対応評価フレームワークである。
  論文  参考訳（メタデータ） (2026-05-25T09:31:48Z)
• AgenticAITA: A Proof-Of-Concept About Deliberative Multi-Agent Reasoning for Autonomous Trading Systems [0.0]
  AgentICAITAはエージェントAIフレームワークで、従来のシグナルを置き換えて、完全に自律的なループでパラダイムを実行する。 このフレームワークは、76の資産にわたる157のゼロ・インターベンション・呼び出しを達成し、デリバティブ・パイプラインの運用上の正しさを示す。
  論文  参考訳（メタデータ） (2026-05-01T16:25:43Z)
• Bridging Values and Behavior: A Hierarchical Framework for Proactive Embodied Agents [26.613956143957548]
  textitValuePlannerは階層的な認知アーキテクチャで、低レベルのアクション実行から高レベルの値スケジューリングを分離する。 我々の研究は、内在的価値をブリッジする構造的なアプローチと、自律的エージェントに対する接地行動を提供する。
  論文  参考訳（メタデータ） (2026-04-30T10:43:55Z)
• Taming Actor-Observer Asymmetry in Agents via Dialectical Alignment [59.536125286960186]
  セルフリフレクションと相互監査を可能にするために、専門的な役割を割り当てるマルチエージェントフレームワークがますます採用されている。 アクター・オブザーバ非対称性(Actor-Observer Asymmetric)と呼ばれる認知バイアスを同時に誘発する。 ReTASは、対立する視点を客観的なコンセンサスに合成するためにエージェントを誘導する。
  論文  参考訳（メタデータ） (2026-04-21T15:05:58Z)
• 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)
• Co-Investigator AI: The Rise of Agentic AI for Smarter, Trustworthy AML Compliance Narratives [2.7295959384567356]
  Co-Investigator AIは、SAR(Suspicious Activity Reports)の作成に最適化されたエージェントフレームワークであり、従来の方法よりも大幅に高速で精度が高い。 我々は、SARの草案作成を効率化し、物語を規制上の期待と一致させ、コンプライアンスチームが高次の分析作業に集中できるようにする能力を示します。
  論文  参考訳（メタデータ） (2025-09-10T08:16:04Z)
• When Demonstrations Meet Generative World Models: A Maximum Likelihood Framework for Offline Inverse Reinforcement Learning [62.00672284480755]
  本稿では, 専門家エージェントから, 一定の有限個の実演において観測された動作を過小評価する報酬と環境力学の構造を復元することを目的とする。 タスクを実行するための正確な専門知識モデルは、臨床的意思決定や自律運転のような安全に敏感な応用に応用できる。
  論文  参考訳（メタデータ） (2023-02-15T04:14:20Z)
• IBP Regularization for Verified Adversarial Robustness via Branch-and-Bound [85.6899802468343]
  IBP-Rは, どちらも簡便なトレーニングアルゴリズムである。 また、$beta$-CROWNに基づく新しいロバスト性であるUPBを提示し、最先端の分岐アルゴリズムのコストを削減する。
  論文  参考訳（メタデータ） (2022-06-29T17:13:25Z)

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。