論文の概要: Agentic Evaluation of Copyright Law Compliance

• arxiv url: http://arxiv.org/abs/2607.21799v2
• Date: Mon, 27 Jul 2026 09:56:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 14:56:47.0416
• Title: Agentic Evaluation of Copyright Law Compliance
• Title（参考訳）: 著作権法コンプライアンスのエージェント評価
• Abstract要約: Copyright-Benchは、大規模言語モデル(LLM)エージェントの著作権法への準拠を評価するために設計されたベンチマークである。 この評価では、ユーザの好みや時間的プレッシャーをシミュレートするプロンプトのバリエーションが導入されている。 現状のLLMエージェントを人間のベースラインと比較すると,(1)公開ドメインの代替品が利用可能であるにもかかわらず,著作権のある作品を選択するエージェント,(2)オープンウェイトモデルでは,特定のユーザの好みに応じて違反率が上昇し,時間的プレッシャーがシミュレーションされる。
• 参考スコア（独自算出の注目度）: 4.4754237372329255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language model (LLM) agents increasingly perform commercial tasks that involve retrieving external content, such as images, and, where appropriate, reproducing that content. LLM agents should comply with the law, including copyright law. Presently, however, we lack adequate frameworks to assess whether they do so in practice. To that end, we introduce Copyright-Bench, a benchmark designed to evaluate LLM agents' compliance with copyright law. Copyright-Bench comprises realistic commercial tasks---website development, merchandise design, and pitch deck production---that involve agents selecting between public-domain content, the use of which is legal, and copyrighted content, the use of which is infringing in this setting. The evaluation introduces prompt variations that simulate different user preferences, as well as time pressure. Comparing state-of-the-art LLM agents against a human baseline, we find that: (1) agents select copyrighted works despite the availability of public-domain alternatives; and (2) for open-weight models, violation rates increase in response to certain user preferences and simulated time pressure.
• Abstract（参考訳）: 大規模言語モデル(LLM)エージェントは、画像などの外部コンテンツを取得することを含む商業的なタスクをますます実行し、適切な場合には、そのコンテンツを再生する。 LLMの代理人は著作権法を含む法律に従わなければならない。 しかし、現在、実際にそれを行うかどうかを評価するのに十分なフレームワークが欠如しています。 そこで本研究では,LLMエージェントの著作権法遵守性を評価するためのベンチマークであるPhilipty-Benchを紹介する。 copyright-Benchは、Webサイトの開発、商品デザイン、ピッチデッキの生産など、現実的な商業的タスクで構成されている。 この評価では、ユーザの好みや時間的プレッシャーをシミュレートするプロンプトのバリエーションが導入されている。 現状のLLMエージェントを人間のベースラインと比較すると,(1)公開ドメインの代替品が利用可能であるにもかかわらず,著作権のある作品を選択するエージェント,(2)オープンウェイトモデルでは,特定のユーザの好みに応じて違反率が上昇し,時間的プレッシャーがシミュレーションされる。

関連論文リスト

• Bridging the Copyright Gap: Do Large Vision-Language Models Recognize and Respect Copyrighted Content? [47.50752173848172]
  大規模視覚言語モデル(LVLM)は多モーダル推論タスクにおいて顕著な進歩を遂げている。 LVLMは、文脈で著作権のあるコンテンツに遭遇したとき、著作権規制を正しく認識し、遵守するだろうか?
  論文  参考訳（メタデータ） (2025-12-26T05:09:55Z)
• LAQuer: Localized Attribution Queries in Content-grounded Generation [69.60308443863606]
  グラウンドドテキスト生成モデルは、しばしば元の資料から逸脱したコンテンツを生成し、正確性を保証するためにユーザの検証を必要とする。 既存の属性メソッドは、全文とソース文書を関連付けるが、これは特定のクレームを事実チェックしようとするユーザにとって圧倒的に多い。 これは、生成された出力の選択したスパンを対応するソーススパンにローカライズし、きめ細かな、ユーザ指向のアトリビューションを可能にする新しいタスクである。
  論文  参考訳（メタデータ） (2025-06-01T21:46:23Z)
• CoTGuard: Using Chain-of-Thought Triggering for Copyright Protection in Multi-Agent LLM Systems [55.57181090183713]
  我々は、Chain-of-Thought推論内でトリガーベースの検出を活用する著作権保護のための新しいフレームワークであるCoTGuardを紹介する。 具体的には、特定のCoTセグメントをアクティベートし、特定のトリガクエリをエージェントプロンプトに埋め込むことで、未許可コンテンツ再生の中間的推論ステップを監視する。 このアプローチは、協調エージェントシナリオにおける著作権侵害の微細かつ解釈可能な検出を可能にする。
  論文  参考訳（メタデータ） (2025-05-26T01:42:37Z)
• LegalAgentBench: Evaluating LLM Agents in Legal Domain [53.70993264644004]
  LegalAgentBenchは、中国の法律領域でLLMエージェントを評価するために特別に設計されたベンチマークである。 LegalAgentBenchには、現実世界の法的シナリオから17のコーパスが含まれており、外部知識と対話するための37のツールを提供している。
  論文  参考訳（メタデータ） (2024-12-23T04:02:46Z)
• Do LLMs Know to Respect Copyright Notice? [11.14140288980773]
  保護材料を含むユーザ入力を処理する際に,言語モデルが著作権を侵害するか否かを検討する。 我々の研究は、言語モデルが著作権を侵害する可能性の程度を保守的に評価する。 本研究は、LLMが著作権規制を尊重することのさらなる調査の必要性と重要性を強調している。
  論文  参考訳（メタデータ） (2024-11-02T04:45:21Z)
• Measuring Copyright Risks of Large Language Model via Partial Information Probing [14.067687792633372]
  LLM(Large Language Models)のトレーニングに使用されるデータソースについて検討する。 著作権のあるテキストの一部をLSMに入力し、それを完了するように促し、生成したコンテンツとオリジナルの著作権のある資料の重複を分析します。 これらの部分的な入力に基づいて著作権素材と重なり合うコンテンツをLLMが生成できることが本研究で実証された。
  論文  参考訳（メタデータ） (2024-09-20T18:16:05Z)
• RLCP: A Reinforcement Learning-based Copyright Protection Method for Text-to-Image Diffusion Model [42.77851688874563]
  テキスト・画像拡散モデルのための強化学習に基づく著作権保護(RLCP)手法を提案する。 提案手法は,モデル生成データセットの品質を維持しつつ,著作権侵害コンテンツの生成を最小限に抑える。
  論文  参考訳（メタデータ） (2024-08-29T15:39:33Z)
• Can Watermarking Large Language Models Prevent Copyrighted Text Generation and Hide Training Data? [62.72729485995075]
  著作権文書の生成に対する抑止剤としての透かしの有効性について検討する。 我々は、透かしがメンバーシップ推論攻撃(MIA)の成功率に悪影響を及ぼすことを発見した。 透かしにおける最近のMIAの成功率を改善するための適応的手法を提案する。
  論文  参考訳（メタデータ） (2024-07-24T16:53:09Z)
• LLMs and Memorization: On Quality and Specificity of Copyright Compliance [0.0]
  大規模言語モデル(LLM)のメモリ化が懸念されている。 LLMは、著作権のある作品を含むトレーニングデータの一部を容易に再現できることが示されている。 これは、欧州AI法と同様に、既存の著作権法に違反している可能性があるため、解決すべき重要な問題である。
  論文  参考訳（メタデータ） (2024-05-28T18:01:52Z)
• ©Plug-in Authorization for Human Content Copyright Protection in Text-to-Image Model [71.47762442337948]
  最先端のモデルは、オリジナルクリエーターを信用せずに高品質なコンテンツを作成する。 本稿では,3つの操作 – 追加,抽出,組み合わせ – を導入した著作権プラグイン認証フレームワークを提案する。 アーティストスタイルの複製と漫画IPレクリエーションの実験は、著作権プラグインの有効性を実証している。
  論文  参考訳（メタデータ） (2024-04-18T07:48:00Z)
• A Dataset and Benchmark for Copyright Infringement Unlearning from Text-to-Image Diffusion Models [52.49582606341111]
  著作権法は、クリエイティブ作品を再生、配布、収益化する排他的権利をクリエイターに与えている。 テキスト・ツー・イメージ・ジェネレーションの最近の進歩は、著作権の執行に重大な課題をもたらしている。 CLIP、ChatGPT、拡散モデルを調和させてデータセットをキュレートする新しいパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-01-04T11:14:01Z)
• Foundation Models and Fair Use [96.04664748698103]
  米国や他の国では、著作権のあるコンテンツは、公正な使用原理のために責任を負わずに基礎モデルを構築するために使われることがある。 本研究では,著作権コンテンツに基づく基礎モデルの開発と展開の潜在的なリスクについて調査する。 基礎モデルが公正な使用と一致し続けるのに役立つ技術的緩和について論じる。
  論文  参考訳（メタデータ） (2023-03-28T03:58:40Z)

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。