論文の概要: TRUST-ESD: A Risk-Calibrated and Governance-Aware AI Framework for Enterprise Strategic Decision Support Under Uncertainty

• arxiv url: http://arxiv.org/abs/2607.20065v1
• Date: Wed, 22 Jul 2026 12:12:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.072376
• Title: TRUST-ESD: A Risk-Calibrated and Governance-Aware AI Framework for Enterprise Strategic Decision Support Under Uncertainty
• Title（参考訳）: TRUST-ESD: 不確実性下での企業戦略決定支援のためのリスクキャリブレーションとガバナンスを意識したAIフレームワーク
• Abstract要約: Trust- ESDは、不確実性の下での企業意思決定を支援するためのリスクキャリブレーションとガバナンスを意識したフレームワークです。 リスク調整ユーティリティを7.95%改善し、リスク露出を23.22%減らし、CVaRを23.78%減らし、キャリブレーションエラーを13.89%減らし、説明の忠実度を10.90%改善し、ガバナンスコンプライアンスを9.76%向上させた。
• 参考スコア（独自算出の注目度）: 3.0328260324031215
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Enterprise strategic decision support requires AI systems that are not only accurate, but also uncertainty-aware, risk-calibrated, explainable, and governance-compliant. This paper proposes TRUST-ESD, a risk-calibrated and governance-aware framework for enterprise decision support under uncertainty. TRUST-ESD evaluates feasible counterfactual strategies through predictive utility estimation, conformal uncertainty calibration, CVaR-based downside-risk scoring, risk-memory retrieval, policy-as-code governance, explainability, and human oversight. Unlike prediction-only methods that select actions by maximum expected utility, TRUST-ESD recommends strategies that balance value, reliability, risk exposure, and compliance. Experimental results show that TRUST-ESD improves risk-adjusted utility by 7.95%, reduces risk exposure by 23.22%, reduces CVaR by 23.78%, lowers calibration error by 13.89%, improves explanation fidelity by 10.90%, and increases governance compliance by 9.76% compared with strong uncertainty-aware baselines, while maintaining competitive predictive accuracy. Ablation and case-study analyses further confirm that uncertainty calibration, downside-risk scoring, risk memory, explainability, and governance validation jointly improve trustworthy enterprise decision-making.
• Abstract（参考訳）: エンタープライズの戦略的決定サポートには、正確であるだけでなく、不確実性を認識し、リスクを補正し、説明可能で、ガバナンスに準拠するAIシステムが必要です。 本稿では,不確実性を考慮した企業意思決定支援のためのリスク校正・ガバナンス対応フレームワークであるTRUST-ESDを提案する。 TRUST-ESDは,予測ユーティリティ推定,適合性不確実性校正,CVaRに基づくダウンサイドリスク評価,リスクメモリ検索,ポリシ・アズ・コードガバナンス,説明可能性,人的監視を通じて,実現可能な対物戦略を評価する。 最大期待されるユーティリティによってアクションを選択する予測のみの方法とは異なり、TRUST-ESDは価値、信頼性、リスク暴露、コンプライアンスのバランスをとる戦略を推奨している。 実験の結果、TRUST-ESDはリスク調整ユーティリティを7.95%改善し、リスク露出を23.22%削減し、CVaRを23.78%削減し、キャリブレーション誤差を13.89%低減し、説明精度を10.90%改善し、強力な不確実性認識ベースラインと比較してガバナンスコンプライアンスを9.76%向上し、競争予測精度を維持した。 アブレーションとケーススタディ分析により、不確実性の校正、リスクメモリ、説明可能性、ガバナンス検証が信頼できる企業意思決定を共同で改善することを確認する。

関連論文リスト

• Conformal Risk-Averse Decision Making with Optimized Certainty Equivalent Risk Control [31.006941545235396]
  エージェントが真のシステム状態について不確実なまま行動を選択するリスク-逆決定について検討する。 既知分布下での最適ポリシを特徴付け,CVaRの予測セットベースソリューションに還元することを示す。 未知の分布に対しては,データ駆動キャリブレーション手法を開発し,その可能性とキャリブレーションデータに対する合成モデルを構築した。
  論文  参考訳（メタデータ） (2026-08-28T10:45:23Z)
• Capability Minimization as a Safety Primitive: Risk-Aware Causal Gating for Least-Privilege LLM Agents [0.0]
  Risk-Aware Causal Gating (RACG) は、モデルの予測から行動するか、延期するかを判断するフレームワークである。 RACGは、候補行動から結果への因果経路をモデル化し、予測された対実リスクに応じて各決定をゲートする。 RACGは,非ゲートポリシーの効用の大部分を保ちながら,コストエラーを大幅に低減することを示す。
  論文  参考訳（メタデータ） (2026-06-11T20:19:35Z)
• Distribution-Free Risk-Aware Planning and Control Under Uncertainty Using Conformal Spectral Risk Control [1.9551668880584971]
  本稿では,リスク対応モデル予測制御(RA-MPC)フレームワークを提案する。 予測セットをMPCフレームワークに組み込むことで、不確実な不確実性であってもスペクトルリスク制約満足度の観点から統計的安全性が保証されることを示す。
  論文  参考訳（メタデータ） (2026-06-02T20:07:56Z)
• Action-Conditioned Risk Gating for Safety-Critical Control under Partial Observability [79.08785366532287]
  部分観測可能性下でのリスク感応制御のための軽量なリスクゲート強化学習近似を提案する。 安全クリティカルな部分観測可能な2つの領域 – 自動グルコース調節と安全制約ナビゲーション – でアプローチを評価した。
  論文  参考訳（メタデータ） (2026-05-14T01:23:09Z)
• RiskBridge: Turning CVEs into Business-Aligned Patch Priorities [3.6488302880818364]
  RiskBridgeは、説明とコンプライアンスを意識したヴァルナー能力管理フレームワークである。 CVSS v4、EPSS、CISA KEVからのマルチソースインテリジェンスを統合し、動的でビジネス対応のパッチ優先順位を生成する。
  論文  参考訳（メタデータ） (2026-01-08T09:41:17Z)
• Constrained Language Model Policy Optimization via Risk-aware Stepwise Alignment [49.2305683068875]
  本稿では,リスク認識を政策最適化プロセスに組み込んだ新しいアライメント手法であるリスク対応ステップワイドアライメント(RSA)を提案する。 RSAは、過剰なモデルシフトによって引き起こされるリスクを基準方針から緩和し、低確率で高影響の有害な振る舞いを明示的に抑制する。 実験により, 本手法は高い安全性を確保しつつ, 高い安全性を達成できることが確認された。
  論文  参考訳（メタデータ） (2025-12-30T14:38:02Z)
• Reinforcement Learning from Probabilistic Forecasts for Safe Decision-Making via Conditional Value-at-Risk Planning [41.52380204321823]
  本稿では,ベイズ予測,後方サンプリング強化学習,計画とを結合した統一的枠組みである不確実性認識マルコフ決定プロセス(UAMDP)を提案する。 構造的不確実性と経済のボラティリティを特徴とする2つのドメインの高頻度株式取引と小売在庫管理において,UAMDPを評価した。
  論文  参考訳（メタデータ） (2025-10-09T13:46:32Z)
• RADAR: A Risk-Aware Dynamic Multi-Agent Framework for LLM Safety Evaluation via Role-Specialized Collaboration [81.38705556267917]
  大規模言語モデル(LLM)の既存の安全性評価手法は、固有の制約に悩まされている。 リスク概念空間を再構築する理論的枠組みを導入する。 マルチエージェント協調評価フレームワークRADARを提案する。
  論文  参考訳（メタデータ） (2025-09-28T09:35:32Z)
• Adaptive Insurance Reserving with CVaR-Constrained Reinforcement Learning under Macroeconomic Regimes [0.0]
  本稿では、テールリスク感度、マクロ経済体制モデリング、規制コンプライアンスを統合した保険保留のための強化学習(RL)フレームワークを提案する。 このフレームワークは、固定ショックストレステストとシステマティック・ストラテライズド・アナリティクスに対応しており、不確実性の下での維持に原則的で原則化されたアプローチを提供する。
  論文  参考訳（メタデータ） (2025-04-13T01:43:25Z)
• Answer, Refuse, or Guess? Investigating Risk-Aware Decision Making in Language Models [63.559461750135334]
  言語モデル(LM)は、目標を達成するために自律的に行動可能なエージェントを構築するために、ますます使われています。 本研究では,人為的リスク構造を体系的に変化させる評価枠組みを用いて,この「回答または延期」問題を考察する。 回答や判断に要する独立したスキルを分離した簡易なスキル分解手法が,LMの意思決定ポリシーを一貫して改善できることがわかった。
  論文  参考訳（メタデータ） (2025-03-03T09:16:26Z)
• Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
  我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。 エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。 我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
  論文  参考訳（メタデータ） (2024-09-26T21:00:45Z)
• Model-Based Epistemic Variance of Values for Risk-Aware Policy Optimization [59.758009422067]
  モデルベース強化学習における累積報酬に対する不確実性を定量化する問題を考察する。 我々は、解が値の真後分散に収束する新しい不確実性ベルマン方程式(UBE)を提案する。 本稿では,リスク・サーキングとリスク・アバース・ポリシー最適化のいずれにも適用可能な汎用ポリシー最適化アルゴリズムQ-Uncertainty Soft Actor-Critic (QU-SAC)を導入する。
  論文  参考訳（メタデータ） (2023-12-07T15:55:58Z)

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。