論文の概要: The CRAFT principles for the responsible use of large language models in policymaking

• arxiv url: http://arxiv.org/abs/2607.15704v1
• Date: Fri, 17 Jul 2026 07:29:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.781796
• Title: The CRAFT principles for the responsible use of large language models in policymaking
• Title（参考訳）: 政策立案における大規模言語モデルの責任的利用に関するCRAFT原則
• Abstract要約: 大規模な言語モデルは、ポリシー関連情報の収集、解釈、合成を強化することができる。 しかし、政策作成における大きな言語モデルの使用はリスクと関連している。 CRAFTの原則は、リスクを管理しながら、政策立案において大きな言語モデルを最大限に活用する方法を提供する。
• 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: Policymakers around the world face the question of how to use artificial intelligence in general, and large language models in particular, to improve the policymaking process. Used well, large language models can strengthen the collection, interpretation and synthesis of policy-relevant information and the drafting of policy-relevant output. Yet the use of large language models in policymaking is associated with risks. Output that is plausible but not necessarily correct, bias resulting from unrepresentative training data, the exposure of sensitive information and, over time, deskilling and dependency can erode trust if large language models are not used thoughtfully. The CRAFT principles - control, rigour, accountability, fairness and transparency - offer a way to make the most of large language models in policymaking while managing the risks.
• Abstract（参考訳）: 世界中の政策立案者は、人工知能を一般的にどのように使うか、特に大きな言語モデルを使って政策立案プロセスを改善するかという問題に直面している。 一般的に、大きな言語モデルは、ポリシー関連情報の収集、解釈、合成、およびポリシー関連出力の起草を強化することができる。 しかし、政策作成における大きな言語モデルの使用はリスクと関連している。 妥当だが必ずしも正確ではない出力、表現できないトレーニングデータによるバイアス、センシティブな情報の露出、そして時間の経過とともに、大規模な言語モデルが慎重に使用されていない場合、デマシリングと依存性が信頼を損なう可能性がある。 CRAFTの原則 – コントロール、厳格性、説明責任、公正性、透明性 – は、リスクを管理しながら、政策立案において大きな言語モデルを最大限に活用する方法を提供する。

関連論文リスト

• A Multi-Dimensional Audit of Politically Aligned Large Language Models [3.147897243459717]
  この研究は、政治的に整合した言語モデルが正当で無害な議論を生み出すことを確実にすることを目的としている。 本研究では、政治的に整合した言語モデルを評価するために、HabermasのCommunicative Action理論に着想を得た多次元フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-27T12:57:52Z)
• PolicyLLM: Towards Excellent Comprehension of Public Policy for Large Language Models [56.37206340175191]
  大規模言語モデル(LLM)は、現実の意思決定にますます統合されている。 しかし、政策関連のコンテンツについて理解し、理屈を定める能力はいまだ解明されていない。 textbftextitPolicyBenchは、最初の大規模クロスシステムベンチマーク(US-China)であり、ポリシーの理解を評価する。
  論文  参考訳（メタデータ） (2026-04-14T17:27:50Z)
• PolicyStory: Leveraging Large Language Models to Generate Comprehensible Summaries of Policy-News in India [0.0]
  PolicyStoryは、インドの政策問題に関する円滑で時系列的で要約された洞察を提供するように設計された情報ツールである。 様々な情報源からニュース記事を収集し、トピックごとにまとめ、政策に関するメディアの縦断的な議論から3段階の要約を生成する。
  論文  参考訳（メタデータ） (2025-09-10T01:22:39Z)
• Evaluating Language Model Reasoning about Confidential Information [95.64687778185703]
  言語モデルが文脈的堅牢性を示すか、文脈依存型安全仕様に準拠する能力を示すかを検討する。 我々は,ユーザ要求がいつ承認されたか,言語モデルが正しく判断できるかどうかを測定するベンチマーク(PasswordEval)を開発した。 現在のオープンソースとクローズドソースのモデルでは、一見単純な作業に苦労しています。
  論文  参考訳（メタデータ） (2025-08-27T15:39:46Z)
• Political Events using RAG with LLMs [1.6385815610837167]
  生成人工知能(GenAI)による大言語モデル(LLM) Retrieval-Augmented Generation (RAG)フレームワーク。 政治EEシステムは、特にニュース記事から政治イベント情報を抽出するように設計されている。
  論文  参考訳（メタデータ） (2025-01-06T08:16:24Z)
• The Synergy of LLMs & RL Unlocks Offline Learning of Generalizable Language-Conditioned Policies with Low-fidelity Data [50.544186914115045]
  TEDUOは、シンボリック環境におけるオフライン言語条件のポリシー学習のための、新しいトレーニングパイプラインである。 まず、オフラインデータセットをよりリッチなアノテーションで拡張する自動化ツールとして、次に、一般化可能な命令フォローエージェントとして使用します。
  論文  参考訳（メタデータ） (2024-12-09T18:43:56Z)
• On the Privacy Risk of In-context Learning [36.633860818454984]
  我々は、プロンプトモデルがプロンプト内で使用されるデータに対して、重大なプライバシーリスクを示すことを示した。 また、トリガーモデルのプライバシリスクが、同じユーティリティレベルで微調整されたモデルを超えることも観察します。
  論文  参考訳（メタデータ） (2024-11-15T17:11:42Z)
• Trustworthy Alignment of Retrieval-Augmented Large Language Models via Reinforcement Learning [84.94709351266557]
  検索強化に関して,言語モデルの信頼性に焦点をあてる。 検索強化言語モデルには,文脈的知識とパラメトリック的知識の両方に応じて応答を供給できる本質的な能力があると考えられる。 言語モデルと人間の嗜好の整合性に着想を得て,検索強化言語モデルを外部証拠にのみ依存する状況に整合させるための第一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-10-22T09:25:21Z)
• Assessing Political Bias in Large Language Models [0.624709220163167]
  我々は、ドイツの有権者の視点から、欧州連合(EU)内の政治問題に関するオープンソースのLarge Language Models(LLMs)の政治的バイアスを評価する。 Llama3-70Bのような大型モデルは、左派政党とより緊密に連携する傾向にあるが、小さなモデルは中立であることが多い。
  論文  参考訳（メタデータ） (2024-05-17T15:30:18Z)
• On the Safety of Open-Sourced Large Language Models: Does Alignment Really Prevent Them From Being Misused? [49.99955642001019]
  オープンソースでアライメントされた大きな言語モデルは、望ましくないコンテンツを生成するために簡単に誤解される可能性があることを示す。 我々のキーとなる考え方は、オープンソースLLMの生成プロセスを直接操作して、望ましくないコンテンツを生成するのを誤解することです。
  論文  参考訳（メタデータ） (2023-10-02T19:22:01Z)
• Large Language Models with Controllable Working Memory [64.71038763708161]
  大規模言語モデル(LLM)は、自然言語処理(NLP)の一連のブレークスルーをもたらした。 これらのモデルをさらに切り離すのは、事前訓練中に内在する膨大な量の世界的知識だ。 モデルの世界知識が、文脈で提示された事実情報とどのように相互作用するかは、まだ解明されていない。
  論文  参考訳（メタデータ） (2022-11-09T18:58:29Z)
• Natural Language Specification of Reinforcement Learning Policies through Differentiable Decision Trees [10.406631494442683]
  人間-AIポリシー仕様は、人間がロボットの強化学習ポリシーを協調的に温めるための、我々が定義した新しい手順である。 我々は,自律エージェントの行動の初期化と解釈を可能にする,新しい協調フレームワークを開発した。 提案手法は,ドメイン探索コストを増大させることなく,未経験の自然言語仕様を利用することで,RLエージェントをウォームスタートさせる。
  論文  参考訳（メタデータ） (2021-01-18T16:07:00Z)

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。