論文の概要: When Firms Learn to Game the Rules

• arxiv url: http://arxiv.org/abs/2606.04617v1
• Date: Wed, 03 Jun 2026 08:53:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.638766
• Title: When Firms Learn to Game the Rules
• Title（参考訳）: 企業がルールをゲームする時
• Authors: Xufeng He,
• Abstract要約: ルール・アズ・コード(ルール・アズ・コード)は、より検証可能な法的義務を約束するが、規制当局が学べるものも変更する。 計算可能な強制信号の近接から法定しきい値付近の実際の行為を分離する,合成エージェントに基づく強化学習シミュレーションとのギャップについて検討する。
• 参考スコア（独自算出の注目度）: 0.27074235008521247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rules-as-Code promises more testable legal obligations, but it also changes what regulated firms can learn. Existing work mostly emphasizes implementation gains; the strategic gap is whether machine-readable rules make boundary search cheaper. I study that gap with a synthetic agent-based reinforcement-learning simulation that separates actual conduct near a legal threshold from proximity in the computable enforcement signal. Across 150 seed-level scenario runs, 378 common-random-number computability-sweep runs, 288 Latin-hypercube global-design runs, and a 2,880,000-row firm-period panel, computable static rules raise conduct boundary mass relative to ambiguous static rules (0.411 versus 0.367) and raise signal boundary mass more sharply (0.403 versus 0.281). Ordinary adaptive updates lower consumer harm (0.202 to 0.194) but do not reliably reduce boundary search. A budget-neutral anti-gaming design reduces conduct boundary mass by 0.032 and consumer harm by 0.025 relative to computable static rules. These are mechanism-oriented synthetic results, not estimates of real firm behavior in a jurisdiction or industry. The contribution is an estimand distinction, an inspectable ABM/RL mechanism, and a reproducible artifact showing that transparent behavioral assumptions are sufficient to generate gaming-like boundary dynamics without implying that computable regulation is inherently undesirable.
• Abstract（参考訳）: ルール・アズ・コード(ルール・アズ・コード)は、より検証可能な法的義務を約束するが、規制当局が学べるものも変更する。 既存の作業は主に実装上の利益を強調しており、機械可読なルールが境界探索を安くするかどうかという戦略的なギャップがある。 計算可能な強制信号の近接から法定しきい値付近の実際の行為を分離する,合成エージェントに基づく強化学習シミュレーションとのギャップについて検討する。 150回のシードレベルのシナリオの実行、378回のコモン・ランダム・ナンバー・計算可能性・スイープラン、288回のラテン・ハイエルキューブ・グローバルデザインラン、2,880,000回のファームタイムパネル、計算可能な静的ルールは、あいまいな静的ルール(0.411対0.367)に対する行動境界の質量を上昇させ、信号境界の質量をより鋭く(0.403対0.281)。 通常の適応的な更新は消費者の損害を減少させる(0.202から0.194)が、境界探索を確実に低減しない。 予算ニュートラルなアンチゲーム設計により、導電界の質量は0.032減少し、消費者は計算可能な静的ルールに対して0.025減少する。 これらはメカニズム指向の合成結果であり、管轄区域や産業における実際の堅実な行動の見積もりではない。 この貢献は、計算可能な規制が本質的に望ましくないことを示すことなく、ゲームのような境界ダイナミクスを生成するのに、透明な行動仮定が十分であることを示す推定的区別、検査可能なABM/RL機構、再現可能なアーティファクトである。

関連論文リスト

• Cognitive Friction: A Decision-Theoretic Framework for Bounded Deliberation in Tool-Using Agents [0.0]
  制約のないツール使用エージェントは、どの情報ソースをクエリして実行するかを決めなければなりません。 本稿では,これらの障害モードを認知的摩擦によって形式化する決定論的枠組みであるTCAを提案する。 我々は,TCAを2つの制御された環境において,停止品質,混雑時の行動選択,時間的緊急性の分離を図った。
  論文  参考訳（メタデータ） (2026-03-31T17:30:25Z)
• Rule-State Inference (RSI): A Bayesian Framework for Compliance Monitoring in Rule-Governed Domains [0.0]
  ルールアクティベーション,コンプライアンス,パラメトリックドリフトの潜在状態を部分的および雑音観測から推定するルール状態推論(RSI)を提案する。 我々は、トゴレス財政システム上でRSIをインスタンス化し、実際のOTR規則に基づく2000の合成企業のベンチマークであるRSI-Togo-Fiscal-Synthetic v1.0を導入する。
  論文  参考訳（メタデータ） (2026-03-23T06:12:52Z)
• Deterministic Fuzzy Triage for Legal Compliance Classification and Evidence Retrieval [0.0]
  法律チームはますます、大量の契約上の証拠をトリアージするために機械学習を使用している。 多くのモデルは不透明で非決定論的であり、HIPAAやNERC-CIPのようなフレームワークと整合するのは難しい。 決定論的双対エンコーダと透明なファジィトリアージバンドに基づく簡単な再現可能な代替法について検討する。
  論文  参考訳（メタデータ） (2026-03-08T00:31:34Z)
• Beyond Reward Suppression: Reshaping Steganographic Communication Protocols in MARL via Dynamic Representational Circuit Breaking [0.0]
  監視を回避するためのプライベートプロトコルを開発するエージェントによるステガノグラフィーの共謀は、AIの安全性に重大な脅威をもたらす。 既存の防御は行動層や報酬層に限られており、潜伏する通信路での調整を検知できない。 本稿では,動的表現回路ブレーカ(DRCB)について紹介する。
  論文  参考訳（メタデータ） (2026-03-07T04:14:38Z)
• Semantic Tube Prediction: Beating LLM Data Efficiency with JEPA [50.494504099850325]
  我々は、トークン列が滑らかな意味多様体上の測地線を辿り、従って局所線型であることを示す測地論仮説を導入する。 本稿では,この制約により信号対雑音比が向上し,軌道中の衝突を防止することにより多様性が保たれることを示す。 幾何学的先行性は、ブルートフォーススケーリングを超越できることを実証する。
  論文  参考訳（メタデータ） (2026-02-26T04:45:07Z)
• Distilling Deep Reinforcement Learning into Interpretable Fuzzy Rules: An Explainable AI Framework [1.9180507495574395]
  深層強化学習(DRL)エージェントは、継続的な制御において顕著なパフォーマンスを達成するが、不透明なままであり、安全クリティカルなドメインへの展開を妨げる。 既存の説明可能性法は、局所的な洞察(SHAP、LIME)のみを提供するか、過度に単純化されたサロゲートを使用し、連続的なダイナミクスを捉えることができない。 本研究では、状態可読パーティショニングのためのK-Meansクラスタリングを通じて、ニューラルポリシーを人間可読IF-THENルールに蒸留するファジィシステム(FCS)を提案する。 説明焦点を測定するルール密度(FRAD)、語彙完全性を検証するファジィ集合被覆(FSC)、行動空間の粒度(Action Space Granularity)の3つの定量化指標が導入された。
  論文  参考訳（メタデータ） (2026-02-24T23:53:01Z)
• Relative Scaling Laws for LLMs [91.73497548097775]
  スケーリング法則は、追加のデータ、パラメータ、計算によって言語モデルがどのように改善されるかを記述する。 相対的なスケーリング法則を導入し、テスト分布間のパフォーマンスギャップをスケールで追跡する。 これらの結果は、スケーリングは全体的なパフォーマンスを改善するが、普遍的等化器ではないことを示している。
  論文  参考訳（メタデータ） (2025-10-28T16:55:22Z)
• Boundary-to-Region Supervision for Offline Safe Reinforcement Learning [56.150983204962735]
  バウンダリ・トゥ・レギオン(Bundary-to-Region, B2R)は、コスト信号による非対称な条件付けを可能にするフレームワークである。 B2Rは、CTGを固定された安全予算の下で境界制約として再定義し、すべての実行可能な軌道のコスト分布を統一する。 実験の結果,B2Rは38項目中35項目の安全制約を満たすことがわかった。
  論文  参考訳（メタデータ） (2025-09-30T03:38:20Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Scalable Policy Maximization Under Network Interference [46.16641537379657]
  動的ネットワーク上での干渉下での最適政治学習について検討する。 干渉の構造に関する一般的な仮定では、報酬は線形となる。 我々は,新しい$n$ノードネットワークが各ラウンドで観測された場合に,ポリシーの影響を最大化するスケーラブルなトンプソンサンプリングアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2025-05-23T17:19:12Z)
• Certification of Iterative Predictions in Bayesian Neural Networks [79.15007746660211]
  我々は、BNNモデルの軌道が与えられた状態に到達する確率に対して、安全でない状態の集合を避けながら低い境界を計算する。 我々は、制御と強化学習の文脈において、下限を用いて、与えられた制御ポリシーの安全性保証を提供する。
  論文  参考訳（メタデータ） (2021-05-21T05:23:57Z)

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。