論文の概要: Generative Models Erode Human Temporal Learning Through Market Selection

• arxiv url: http://arxiv.org/abs/2606.06572v1
• Date: Thu, 04 Jun 2026 17:59:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.383956
• Title: Generative Models Erode Human Temporal Learning Through Market Selection
• Title（参考訳）: 市場選択によるヒューマンテンポラルラーニングの創成モデル
• Authors: Wenjun Cao,
• Abstract要約: 我々は、現代の生成モデルが、現在のサブAGI能力レベルにおいて、知識と文化生産の構造的リスクを生み出すことを論じる。 人間の時間学習は、時間とともに問題への継続的な関与を通して経路依存的な知識蓄積と定義する。
• 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 argue that modern generative models create structural risks for knowledge and cultural production at current, sub-AGI capability levels. We define Human Temporal Learning (HTL) as path-dependent knowledge accumulation through sustained engagement with problems over time. Generative outputs increasingly resemble HTL-intensive work in surface features, so verifying whether a given output reflects genuine human learning grows costly relative to its expected benefit. Once verification loses economic justification, evaluators reward outputs regardless of production mode, and producers who invested years of learning compete on price against outputs that cost almost nothing to generate. We call this pathway value collapse and formalize it through a costly-inspection framework. Cross-domain evidence from academic publishing, legal practice, content platforms, and software security maps onto four stages of verification erosion. Alignment success is orthogonal. Better-aligned models narrow observable gaps between human and AI outputs, making source verification harder and intensifying competitive pressure against HTL-intensive work even when individual AI outputs improve.
• Abstract（参考訳）: 現代生成モデルは、現在のサブAGI能力レベルにおいて、知識と文化生産のための構造的リスクを生み出すと論じる。 人間の時間学習(HTL)は、時間とともに問題への継続的な関与を通じて経路依存的な知識蓄積と定義する。 生成的出力は、表面的特徴におけるHTL集約的な作業に近づきつつあるため、与えられた出力が真の人間の学習を反映するかどうかを検証することは、期待される利益に対してコストがかかる。 検証が経済的な正当化を失うと、評価者は生産モードに関係なく生産を報いる。 この経路の値を崩壊と呼び、高価な検査フレームワークを通じて形式化します。 学術出版、法律実務、コンテンツプラットフォーム、およびソフトウェアセキュリティマップからのクロスドメインの証拠は、検証の浸食の4段階に分類される。 調整の成功は直交である。 より良いアライメントモデルは、人間とAIのアウトプットの間に観測可能なギャップを狭め、ソース検証を困難にし、個々のAIアウトプットが改善された場合でも、HTL集約的な作業に対する競争的プレッシャーを強化する。

関連論文リスト

• Short-Term Gain, Long-Term Fragility: AI Labor Substitution and the Erosion of Sustainable Capability [0.0]
  本稿では,AI労働代行下での能力マスキングと能力侵食のメカニズムを考察する。 AIが生成したアウトプットは、熟練した人間の労働への依存が残っている場合でも、組織能力が置き換えられたように見える。 AI支援コーディングの証拠によると、生成した出力は依然として相当な人間による検証が必要であり、正確性、保守性、セキュリティが不均一である。
  論文  参考訳（メタデータ） (2026-04-23T03:11:27Z)
• Capability-Oriented Training Induced Alignment Risk [101.37328448441208]
  我々は、強化学習で訓練された言語モデルが、その報酬を最大化するために欠陥を利用することを自然に学習するかどうかを考察する。 我々の実験は、モデルがこれらの脆弱性を常に活用し、タスクの正しさや安全性を犠牲にして報酬を著しく増大させる機会論的戦略を発見していることを示している。 我々の研究結果は、将来のAIの安全作業がコンテンツモデレーションを超えて、トレーニング環境の厳格な監査と確保、および報奨メカニズム自体に拡張する必要があることを示唆している。
  論文  参考訳（メタデータ） (2026-02-12T16:13:14Z)
• Generative AI as a Non-Convex Supply Shock: Market Bifurcation and Welfare Analysis [4.887749221165767]
  我々は、GenAIのコストが、市場をAIの出口と人間のセグメントに再活性化させ、-class hollow'のアウトプットを生成する方法を示す。 我々は、最適ガバナンスは、遅延フェール渋滞管理に向けたものでなければならないと結論づける。
  論文  参考訳（メタデータ） (2026-01-18T17:00:40Z)
• Toward Ultra-Long-Horizon Agentic Science: Cognitive Accumulation for Machine Learning Engineering [59.18634614089481]
  超長距離機械学習工学(MLE)を習得する自律エージェントML-Master 2.0を提案する。 文脈管理を認知的蓄積のプロセスとして考えることで、階層的認知キャッシング(HCC)を導入する。 HCCは、エージェントが短期的な実験戦略から即時実行を分離することを可能にする。 オープンAIのMLE-Benchを24時間予算で評価すると、ML-Master 2.0は56.44%の最先端のメダルを獲得した。
  論文  参考訳（メタデータ） (2026-01-15T13:52:04Z)
• Reverse-Engineered Reasoning for Open-Ended Generation [50.35487467267016]
  Reverse-Engineered Reasoning (REER)を紹介する。 REERは、試行錯誤や模倣を通じて推論プロセスを構築する代わりに、既知の優れたソリューションから逆向きに働き、それらを生成可能な潜伏的でステップバイステップの深い推論プロセスを発見します。 当社のモデルであるDeepWriter-8Bは、このデータに基づいてトレーニングを行い、強力なオープンソースベースラインを超えるだけでなく、GPT-4oやClaude 3.5といったプロプライエタリなモデルと競合するパフォーマンスも達成しています。
  論文  参考訳（メタデータ） (2025-09-07T18:07:58Z)
• Training for Obsolescence? The AI-Driven Education Trap [0.0]
  我々は、AIを採用するという決定は、AIの将来の賃金抑制効果をこれらのスキルに内在させることができない、その教育生産性によってもたらされる教育プランナーをモデル化する。 我々の発見は、前向きな労働市場信号と組み合わせなければ、教育におけるAIを促進する政策が、学生の長期的資本をパラドックス的に損なう可能性があることを警告した。
  論文  参考訳（メタデータ） (2025-08-27T07:04:19Z)
• Reusing Embeddings: Reproducible Reward Model Research in Large Language Model Alignment without GPUs [58.18140409409302]
  大規模言語モデル (LLM) は強化学習 (RL) を通じて構造化タスクに大きく進歩した。 チャットボットやコンテンツ生成といった幅広い分野にRLを適用することは、ユニークな課題だ。 埋め込み型報酬モデルを用いた既存の報酬モデルアンサンブル研究の再現事例について述べる。
  論文  参考訳（メタデータ） (2025-02-04T19:37:35Z)
• AI and the Problem of Knowledge Collapse [0.0]
  特定の知識モードへのアクセスコストを削減することにより、AIが公衆の理解をパラドックス的に損なう可能性のある条件を特定する。 学習者やイノベーターのコミュニティが従来の手法を使うか、割引されたAI支援プロセスに頼るというシンプルなモデルを提供する。 我々のデフォルトモデルでは、AI生成コンテンツに対する20%の割引は、ディスカウントがない場合よりも真実から2.3倍の信条を生成する。
  論文  参考訳（メタデータ） (2024-04-04T15:06:23Z)
• The Impact of Generative Artificial Intelligence on Market Equilibrium: Evidence from a Natural Experiment [19.963531237647103]
  生成人工知能(AI)は、人間の出力に似た創造的なコンテンツをより効率よく、コストを削減できる能力を示す。 本稿では,中国の主要なアートアウトソーシングプラットフォームにおいて,生成AIが市場均衡に与える影響を実証的に検討する。 我々の分析によると、生成AIの出現は平均価格を64%引き下げる結果となったが、同時に注文量が121%増加し、全体の売上が56%増加した。
  論文  参考訳（メタデータ） (2023-11-13T04:31:53Z)
• Exploration with Principles for Diverse AI Supervision [88.61687950039662]
  次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。 この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。 この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。 本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:03:39Z)

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。