論文の概要: PA-User: Simulating Trust and Verification under AI-Generated Content

• arxiv url: http://arxiv.org/abs/2606.22738v1
• Date: Mon, 22 Jun 2026 00:45:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 04:53:40.312016
• Title: PA-User: Simulating Trust and Verification under AI-Generated Content
• Title（参考訳）: PA-User:AI生成コンテンツによる信頼と検証のシミュレーション
• Authors: Saber Zerhoudi,
• Abstract要約: 3つの新しいコンポーネントを持つユーザシミュレータPA-Userを提案する。 信頼コンポーネントは、それぞれのソースクラスの事実に関する別々のベータ信念を持っています。 決定ルールは、各結果に対する受け入れ、証明、破棄を選択する。
• 参考スコア（独自算出の注目度）: 1.1105673928718571
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most users of online information now assume that some of what they read has been written, edited, or selected by an AI model. Hybrid cases are the hardest to tell apart: human prose rewritten by a language model, AI-curated lists presented as editorial, retrieval-augmented answers composed on the fly from human sources. Users cannot reliably distinguish these cases, and the ongoing cost of checking what is genuine has become part of how they search. Current user simulators in information retrieval do not model this. We propose PA-User, a user simulator with three new components: a detection-effort budget that is spent on verification and recovers between sessions; a trust component that holds a separate Beta belief over the factuality of each source class (domain by provenance) and updates from observed outcomes; and a decision rule that picks accept, verify, or discard for each result, conditional on current trust, current effort, and per-domain stakes. We state two verification-and-validation (V\&V) properties of the framework. The trust posterior converges to the true class factuality (face validity). Each component's contribution to any observable can be isolated by ablation (structural validity). On the HC3 corpus (85,449 paired human and ChatGPT answers in five domains), PA-User reaches a trust-calibration error of $0.162$, against $0.356$ for any configuration without the trust component. PA-User reduces high-stakes regret from $0.171$ to $0.122$ ($29\%$ relative) against an always-accept ablation, and verifies $34.5\%$ of results, half the rate of an ablation with no effort budget. Each single-mechanism ablation isolates one component, which makes the framework individually diagnosable.
• Abstract（参考訳）: 現在、オンライン情報のほとんどのユーザーは、読んだものの一部がAIモデルによって書かれ、編集され、選択されたと仮定している。 ハイブリッドケースは最も区別が難しい。人間の散文を言語モデルで書き直し、AI計算されたリストを編集、検索強化された回答として提示する。 ユーザーはこれらのケースを確実に区別することができず、真偽を確認するための継続的なコストが、検索の仕方の一部になっている。 情報検索における現在のユーザシミュレータは、これをモデル化していない。 提案するPA-Userは,セッション間の検証とリカバリに費やされる検出・エフォート予算,各ソースクラスの事実性(証明によるドメイン)と結果の更新に関する独立したベータ信念を保持する信頼コンポーネント,各結果に対する受け入れ,検証,破棄を行う決定ルール,現在の信頼,現在の努力,ドメインあたりの利害関係の条件,など,3つの新しいコンポーネントを備えたユーザシミュレータである。 フレームワークの2つの検証と検証(V\&V)特性を述べる。 信頼の後続性は真のクラス事実性(顔の妥当性)に収束する。 観測可能なコンポーネントに対する各コンポーネントの貢献は、アブレーション(構造的妥当性)によって分離することができる。 HC3コーパス(5つのドメインで85,449対の人間とChatGPTの回答)では、PA-Userが信頼度を0.162ドル、信頼度成分のない設定で0.356ドルに達する。 PA-Userは、常に受け入れているアブレーションに対して0.171ドルから0.122ドル(29\%$)に減らし、結果の34.5\%を検証している。 各シングルメカニズムアブレーションは1つのコンポーネントを分離し、フレームワークを個別に診断できる。

関連論文リスト

• A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints [6.057587531186626]
  目的指向エージェントが生成し、破壊し、交換する価値は、情報と同じカテゴリの法的構造量であることを示す。 価格がフレームに依存していない間、価値はフレーム相対的であり、そのリソースをプールし、その知覚を融合する艦隊が天井を継承する。
  論文  参考訳（メタデータ） (2026-06-10T16:11:04Z)
• Validation-Stage Combinatorial Fusion Analysis for Imbalanced Credit-Card Fraud Detection [8.713333739961403]
  本稿では, Combinatorial Fusion Analysis (CFA) がIEEE-CIS Fraud Detectionベンチマークに価値を付加できるかどうかを検討する。 CFA は AUC-ROC のソフト投票と一致し、AUPRC と F1 を改善し、この設定では勾配の積み重ねを上回ります。
  論文  参考訳（メタデータ） (2026-06-09T04:14:59Z)
• Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
  そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。 各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。 これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
  論文  参考訳（メタデータ） (2026-04-20T13:25:40Z)
• Epistemic Observability in Language Models [0.0]
  製造時に高い信頼性を報告できるモデルがあることがわかりました。 正式な仮定では、これは能力ギャップではなく観察的なギャップである。 我々は,計算副産物を輸出することで不合理性から逃れるテンソルインタフェースを構築した。
  論文  参考訳（メタデータ） (2026-03-20T21:59:34Z)
• SpatialBench-UC: Uncertainty-Aware Evaluation of Spatial Prompt Following in Text-to-Image Generation [0.0]
  SpaceBench-UCは、ペアの空間関係を再現可能な小さなベンチマークである。 ベンチマークパッケージ、バージョン付きプロンプト、ピン付き構成、サンプルごとのチェッカー出力、レポートテーブルをリリースします。 安定拡散1.5, SD 1.5 BoxDiff, SD 1.4 GLIGENの3つのベースラインについて検討した。
  論文  参考訳（メタデータ） (2026-01-19T23:37:10Z)
• Trade-off in Estimating the Number of Byzantine Clients in Federated Learning [51.015234193544636]
  フェデレート学習は、誤ったシグナルを送信できるビザンティンのクライアントにとって脆弱である。 我々は、過小評価(hatfge f$)が、アグリゲータとフェデレーションドラーニングの両方において、任意に貧弱なパフォーマンスをもたらすことを示した。 これらの最適境界はすべて$hatf/(n-f-hatf)$と$n$クライアントに比例し、より大きい$hatf$で単調に増加する。
  論文  参考訳（メタデータ） (2025-10-06T02:01:56Z)
• Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers [90.50039419576807]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、人為的なラベル付けを避けるために、自動検証に対するポリシーを訓練する。 認証ハッキングの脆弱性を軽減するため、多くのRLVRシステムはトレーニング中にバイナリ$0,1$の報酬を破棄する。 この選択にはコストがかかる:textitfalse negatives(正しい回答、FNを拒絶)とtextitfalse positives(間違った回答、FPを受け入れる)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T13:56:44Z)
• Reliability, Embeddedness, and Agency: A Utility-Driven Mathematical Framework for Agent-Centric AI Adoption [0.0]
  我々は,マルチステップタスクを実行するエージェント中心のAIシステムの採用を継続するための3つの公理を定式化する。 我々は、崩壊するノベルティ用語と成長するユーティリティ用語の和として、採用をモデル化する。
  論文  参考訳（メタデータ） (2025-08-18T12:53:38Z)
• On $\ell_p$-norm Robustness of Ensemble Stumps and Trees [83.81523991945018]
  我々は,アンサンブルスタンプの音響検証のための効率的なプログラムベースアルゴリズムを開発した。 我々は,アンサンブル・スタンプや木を訓練するための最初の認証された防御法を,$ell_p$ノルム摂動に関して実証した。
  論文  参考訳（メタデータ） (2020-08-20T03:42:40Z)

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。