論文の概要: What Does ODRL Mean? A Cross-Level Ontological Grounding of Permissions, Prohibitions, and Duties in UFO-L
- arxiv url: http://arxiv.org/abs/2606.24344v1
- Date: Tue, 23 Jun 2026 09:36:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-24 22:16:48.860229
- Title: What Does ODRL Mean? A Cross-Level Ontological Grounding of Permissions, Prohibitions, and Duties in UFO-L
- Title（参考訳）: ODRLとは何か? UFO-Lにおける許可・禁止・義務のクロスレベルオントロジーグラウンド
- Authors: Daham M. Mustafa, Christoph Lange, Giancarlo Guizzardi, Diego Collarana, Christoph Quix, Stefan Decker,
- Abstract要約: ODRL政策評価者は評決を下すが、方針がもたらす規範的な立場については何も言わない。
我々はクロス・レベル・デザインの原則を定式化する: 違反可能な、連続的な規範を持つすべての規範言語は、どちらも行動レベルの位置を必要とする。
全ての公理は、イザベル/HOLと、ヴァンパイア、E、Z3の下で39プロブレムのベンチマークで機械的に検証される。
- 参考スコア（独自算出の注目度）: 2.0292974524257885
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: ODRL policy evaluators produce verdicts, but say nothing about the normative positions a policy brings into existence, the authority structures those positions presuppose, or who holds the power to declare a norm violated. We formulate the Cross-Level Design Principle: any normative language with violable, consequential norms requires both conduct-level positions (Permission, Duty, Right, No right) and competence-level positions (Power, Subjection, Immunity, Disability). Applying this to ODRL, we establish that prohibition is sanctioned (violation possible and consequential), that permission is underspecified across its behaviour parameter (open vs. closed world), and that the formal semantics covers achievement obligations only. We ground ODRL in UFO-L, mapping each activated rule to a simple legal relator and extending coverage from two to eight legal positions; violation-declaration authority, implicit in every existing evaluator, becomes an explicit Power-Subjection pair. All axioms are mechanically verified in Isabelle/HOL and across a 39-problem benchmark under Vampire, E, and Z3.
- Abstract（参考訳）: ODRL政策評価者は評決を下すが、その方針がもたらす規範的位置については何も言わない。
我々はクロスレベル設計原則を定式化する: 暴力的で連続的な規範を持つ規範言語は、行動レベルの位置(許可、義務、権利、権利)と能力レベルの位置(権限、主観、免疫、障害)の両方を必要とする。
このことをODRLに適用することにより、禁止は(違反可能かつ連続的に)認められ、許可は行動パラメータ(オープン対クローズドワールド)全体に過小評価され、形式的意味論は達成義務のみをカバーしていることを確認できます。
我々はUFO-LにODRLを接地し、各アクティベートされたルールを単純な法定レレータにマッピングし、2から8の法定位置まで範囲を広げる。
全ての公理は、イザベル/HOLと、ヴァンパイア、E、Z3の下で39プロブレムのベンチマークで機械的に検証される。
関連論文リスト
- Beyond Probabilistic Similarity: Structural, Temporal, and Causal Limitations of Retrieval-Augmented Generation in the Legal Domain [0.0]
Retrieval-Augmented Generationは、法的AIにおける信頼性の欠如に対する標準的なアーキテクチャ上の応答となっている。
これらの失敗は、確率的検索と法知識の階層的、時間的、制度的構造との間のアーキテクチャ上のミスマッチの兆候であると主張する。
まず、古典的法理論から派生した三つの性質として法知識のオントロジ的コミットメントを明記する。
第2に, 機能的定義, 故障機構, 正準例, 検出基準による検索の3つの病態(メレオジカルブラインドネス, ダイアクロニックブラインドネス, 因果不透明度)を同定する。
論文 参考訳（メタデータ） (2026-06-08T16:46:53Z) - From Statute to Control Flow: Span-Grounded Deontic Trees for Defeasible Scope Parsing [13.077273684682886]
規則追従剤は、しばしばサイレントスコープ・オミッション(SSO)を介して失敗する
根底にあるボトルネックは、法と政策の理解です。
ノルムベンチ(英: NormBench)は、中国(法と地方政策)、英語(アメリカ合衆国税法)、企業政策にまたがる2,290条の基準である。
論文 参考訳（メタデータ） (2026-06-08T02:17:53Z) - Citation-Closure Retrieval and Per-Rule Attribution for Real-World Regulatory Compliance Question Answering [54.97384993676565]
複雑な国内R&D規制から派生した運用知識グラフを特徴とする,新たなベンチマークであるRegOps-Benchを用いて,レギュレーションコンプライアンスQAを形式化する。
RefWalkはクロスドキュメントの引用を横切り、マックスベースのアグリゲーションを通じてマルチビュー候補を融合させ、ソースへのクレームを明示的にマッピングするためにルールごとの属性を強制する。
論文 参考訳（メタデータ） (2026-05-28T10:38:38Z) - PAVE: A Cognitive Architecture for Legitimate Violation in Generative Agent Societies [3.8300637171362752]
生成エージェントは、協調的な環境下で、信頼できる人間の行動を再現することができるが、ルール破りが要求される状況では、どのように推論されるべきかは、いまだに不明確である。
このギャップを埋める新しい4モジュール認知アーキテクチャであるPAVEを提案する。
我々はスモールビルからフォークしたタイルベースの交通環境であるVovilleでPAVEをインスタンス化し、3つのシナリオで評価する。
論文 参考訳（メタデータ） (2026-05-19T04:40:09Z) - How Controllable Are Large Language Models? A Unified Evaluation across Behavioral Granularities [75.10343190811592]
大規模言語モデル(LLM)は、社会的に敏感なドメインにますますデプロイされる。
私たちのベンチマークでは、安全で制御可能な振る舞いのための原則的で解釈可能なフレームワークを提供しています。
論文 参考訳（メタデータ） (2026-03-03T03:50:13Z) - Executable Governance for AI: Translating Policies into Rules Using LLMs [1.388831902854619]
Policy-to-Tests(P2T)は、自然ポリシー文書を正規化された機械可読ルールに変換するフレームワークである。
フレームワークを単一のポリシーを超えてテストするために、一般的なフレームワーク、セクターガイダンス、エンタープライズ標準に適用します。
これらのAI生成ルールは、スパンレベルとルールレベルのメトリクスに関する強力な人間のベースラインと密接に一致し、ゴールドセットに関するロバストなアノテータ間の合意がある。
論文 参考訳（メタデータ） (2025-12-04T03:11:54Z) - Context Reasoner: Incentivizing Reasoning Capability for Contextualized Privacy and Safety Compliance via Reinforcement Learning [53.92712851223158]
安全とプライバシの問題を文脈整合性(CI)理論に従って文脈整合性問題に定式化する。
CIフレームワークの下では、当社のモデルを3つの重要な規制基準 – EU AI ActとHIPAA – に整合させています。
我々は、安全・プライバシー基準の遵守を高めつつ、文脈推論能力を高めるためにルールベースの報酬を持つ強化学習(RL)を採用している。
論文 参考訳（メタデータ） (2025-05-20T16:40:09Z) - A Law Reasoning Benchmark for LLM with Tree-Organized Structures including Factum Probandum, Evidence and Experiences [76.73731245899454]
本稿では,階層的なファクトラム,証拠,暗黙的な経験に富む透明な法理推論スキーマを提案する。
このスキーマにインスパイアされた課題は、テキストのケース記述を取り込み、最終決定を正当化する階層構造を出力する。
このベンチマークは、Intelligent Courtにおける透明で説明可能なAI支援法推論の道を開く」。
論文 参考訳（メタデータ） (2025-03-02T10:26:54Z) - DECIDER: A Dual-System Rule-Controllable Decoding Framework for Language Generation [57.07295906718989]
制約付き復号法は,事前訓練された大言語(Ms と PLMs)が生成するテキストの意味やスタイルを,推論時に様々なタスクに対して制御することを目的としている。
これらの方法は、しばしば、欲求的かつ明示的にターゲットを選択することによって、もっともらしい連続を導く。
認知二重プロセス理論に着想を得て,新しい復号化フレームワークDECDERを提案する。
論文 参考訳（メタデータ） (2024-03-04T11:49:08Z) - Reinforcement Learning Guided by Provable Normative Compliance [0.0]
強化学習(Reinforcement Learning, RL)は、自律エージェントの安全、倫理、法的行動のためのツールとして約束されている。
我々は多目的RL(MORL)を用いて、侵害を避けるという倫理的目的と非倫理的目的とのバランスをとる。
提案手法は,MORL手法の多重性に有効であることを示すとともに,割り当てる刑罰の規模に関係なく有効であることを示す。
論文 参考訳（メタデータ） (2022-03-30T13:10:55Z)
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。