論文の概要: The Half-Lives of Generative-AI Evidence: A 40-Record Audit, a Claim-Currency Framework, and a Reflexive Case of Frontier-Model-Assisted Research
- arxiv url: http://arxiv.org/abs/2607.24032v1
- Date: Mon, 27 Jul 2026 05:59:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.32737
- Title: The Half-Lives of Generative-AI Evidence: A 40-Record Audit, a Claim-Currency Framework, and a Reflexive Case of Frontier-Model-Assisted Research
- Title（参考訳）: 生成AIエビデンスの半生:40回の監査、クレーム・カレンシー・フレームワーク、フロンティアモデル支援研究の反射的事例
- Abstract要約: 生成AI評価は出版前に歴史的になりうるが、カレンダー年代は全ての結論に等しく影響しない。
本稿は,2025年7月18日から2026年7月17日までに出現した40件の実証記録の最大変量解析コーパスを検証した。
監査コード化されたパブリッシュルート、実行タイミング、モデルアイデンティティ、最新の名前付きジェネレーションまたは不変スナップショットの年齢、同ファミリーのスーパーセッション、リフレッシュ動作。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative-AI evaluations can become historical before publication, yet calendar age does not affect every conclusion equally. This paper has two linked purposes. First, it audits a maximum-variation purposive corpus of 40 empirical records appearing between 18 July 2025 and 17 July 2026. The audit coded publication route, execution timing, model identity, age of the newest named generation or immutable snapshot, same-family supersession and refresh behaviour. At appearance, the newest named model was a median 281 days old (middle 50%: 75-478; range: 11-939). Median age was 395 days for 25 journal articles, 56 days for 14 preprints and 49 days for one laboratory report. Thirty-five records included a superseded family, seven supplied a precise dated identifier, three clearly refreshed model evidence, and one added a late sensitivity test. All 40 included an OpenAI system, a feature of this corpus rather than a prevalence estimate. The paper distinguishes model age from claim currency and proposes six reporting practices. Second, it treats its own two-day production process as a reflexive case of frontier-model-assisted research creation. GPT-5.6 Sol Pro in ChatGPT supported candidate discovery, source reconciliation, calculations, drafting and critique; the author checked sources, made all substantive decisions and accepts responsibility. This is a proof-of-practice, not a controlled estimate of productivity or quality. By applying its own Model Facts and model-currency statement, the paper shows how rapid AI-assisted research can be made inspectable without treating model output as independent validation. The title uses half-lives metaphorically; no universal decay rate is estimated.
- Abstract（参考訳）: 生成AI評価は出版前に歴史的になりうるが、カレンダー年代は全ての結論に等しく影響しない。
この論文には2つの関連した目的がある。
まず、2025年7月18日から2026年7月17日までに出現した40の実証記録の最大変量調査コーパスを監査する。
監査コード化されたパブリッシュルート、実行タイミング、モデルアイデンティティ、最新の名前付きジェネレーションまたは不変スナップショットの年齢、同ファミリーのスーパーセッション、リフレッシュ動作。
最新の命名されたモデルは中央値281日(中央値50%: 75-478; 範囲: 11-939)であった。
中間年齢は25の論文で395日,14のプレプリントで56日,1つの実験報告で49日であった。
3つの記録には、重ね合わせの家族、7つの正確な日付の識別子、明確なモデル証拠の3つ、そして1つは遅延感度テストを追加した。
40人全員が、このコーパスの特徴であるOpenAIシステムを含んでいた。
本稿では,モデル年齢とクレーム通貨を区別し,報告プラクティスを6つ提案する。
第2に、フロンティアモデルによる研究創出の反射的なケースとして、独自の2日間の生産プロセスを扱う。
GPT-5.6 ChatGPTのソルプロは、候補発見、ソースの和解、計算、起草、批判を支持した。
これは実践の証明であり、生産性や品質の制御された見積もりではありません。
モデルファクトとモデル通貨のステートメントを適用することで、モデル出力を独立した検証として扱うことなく、AIによる迅速な研究を検査できることを示す。
タイトルは半減期を比喩的に用い、普遍的な崩壊速度は推定されない。
関連論文リスト
- NovGauge: A Fine-Grained Benchmark for Diagnosing LLMs' Capability in Paper Novelty Assessment [54.4265627247104]
大規模言語モデル(LLM)は、主要なAIカンファレンスでピアレビューでますます使用されている。
既存のベンチマークでは、ノベルティを1つの総合的なスコアとして評価している。
本報告では,詳細なノベルティアセスメント診断のための人手によるベンチマークであるNovGaugeについて述べる。
論文 参考訳（メタデータ） (2026-09-10T08:34:56Z) - AgentIdeaBench: Benchmarking Scientific Ideation in the Agent Era [55.37558486468993]
AgentIdeaBenchは、静的観測とアクティブ探索という2つの一致した条件下で科学的思考を評価するベンチマークである。
5つの分野にまたがる40の高密度サブフィールドにおける33個のLDMの静的アクティブ評価を一致させた。
アクティブな探索により、ヘッドルームの能力は大幅に向上し、ヘッドルームはモデル間で不均一に分散される。
論文 参考訳（メタデータ） (2026-09-07T15:19:13Z) - Model Retirement Creates Reproducibility Risk in Biomedical AI Publications [0.0]
バイオメディカルタスクに特定の大規模言語モデルを適用した研究論文について,PubMedを検索した。
我々は,5,242冊にまたがる8,931冊の論文を同定した。
全体の42%は、公式発表の時点で既に引退していたモデルか、2年以内に引退する予定のモデルであった。
論文 参考訳（メタデータ） (2026-09-04T04:00:54Z) - Auditing the Synthetic Memoir: Measuring Scene-Level Confabulation in LLM-Generated Autobiography Against the Documented Record of the Life It Describes [0.0]
本研究では,大規模言語モデルの自叙伝を,主観的基礎構造コーパスに対して初めて定量的に評価した。
366日間の「ページ・アズ・デイ」で1対1の物語を収録した本が、会話型LLMで起草された。
毎日、独立した検証コーパスに対して逸話の場面で監査された。
論文 参考訳（メタデータ） (2026-08-23T20:10:50Z) - From Traceability to Justifiability: Accountability Structures in Agentic Software Engineering [0.0]
公開資料のみから、AIレコードがクレームを表現できるかどうか、宣言された場所を保持できるかどうかを測定する。
188個の二重グレード細胞で、デフォルトレコードが行動システムのコンテンツアイデンティティを出力するプラットフォームは見つからなかった。
計器は、パイプラインが発行した排気のみからの保証深度を計算し、宣言された深さと比較する。
論文 参考訳（メタデータ） (2026-08-21T16:45:00Z) - Reconstruction: A Blind Benchmark for Recovering Research Ideas from Pre-Publication Bibliographies [5.8079638399400375]
レコンストラクション(Reコンストラクション)は、種紙とすべての同時または将来の文献を無視するブラインド・アイデア・リカバリのベンチマークである。
我々は,独立系大規模言語モデル裁判官が持たない根本真理に一致するという仮説をモデルに提案する。
論文 参考訳（メタデータ） (2026-08-17T14:44:30Z) - Reconcile Once, Write Anytime: A Trust-Tiered Librarian and a Multi-Agent Writer for Drift-Free, Point-in-Time Research [7.426963307811556]
本稿では,保守型ポイントインタイム知識ライブラリをレポート作成から分離する2層エージェントシステムを提案する。
ポータブルなマルチエージェント"ライター"ランタイムは、任意の知識遮断Tにおいて矛盾のないエビデンス基底レポートを構成する。
我々は,555,926枚のエビデンスカードを出力する6,130個のソースの自己収集・公開コーパスを評価した。
論文 参考訳（メタデータ） (2026-08-13T09:09:28Z) - From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop [63.00693129203923]
The Workshop on Trustworthy Natural Language Processingは8つの論文から6つのエディションで41に成長した。
我々は、144の手続き書類から洞察を合成し、確立されたフレームワークに根ざした6つの信頼次元に沿ってそれらを分類する。
分類研究による分析によると、真理は最も成長の早い次元である(2021-2022年、2025-2026年までに論文の37%を占める)。
論文 参考訳（メタデータ） (2026-08-11T17:30:16Z) - Plato-Bio: verification-first biological novelty screening with temporal rediscovery and structural benchmarks [0.0]
オープンなPlato/Denarioアーキテクチャの拡張であるPlato-Bioを開発した。
Plato-Bioは明示的なワークフローステートを、プロファイランスレコード、引用チェック、クレーム・ツー・エビデンスリンク、スコープドファイル書き込み、パブリッシュゲートと結合する。
現在のクリーンリビジョンでは、完全なPythonスイートが931パス、6スキップ、エラーやエラーは発生しない。
論文 参考訳（メタデータ） (2026-07-27T03:55:39Z) - The Two-Process Theory of Machine Self-Report [0.0]
本稿では,機械の自己報告に関する言語モデル固有の心理メトリック理論を提案する。
我々は,48石のピノッキオ・インベントリ(Pinocchio Inventory)で人体信頼性で理論を運用する。
67のチェックポイントベース/ポストトレーニングペアを含む206のオープンウェイトモデルでテストします。
論文 参考訳（メタデータ） (2026-07-22T12:35:36Z) - Modality-Driven Search with Holistic Trace Judging for ARC-AGI-2 [0.0]
数ショットのビジュアル推論ベンチマークであるARC-AGI-2の解法について述べる。
テキスト、画像、コードチャネルにまたがって、さまざまな候補を生成する。
自己整合性や多数決とは違って、モーダルな答えが間違っているタスクに関する正しいマイノリティな仮説を確実に復元する。
論文 参考訳（メタデータ） (2026-06-30T11:55:33Z) - Frontier Lag: A Bibliometric Audit of Capability Misrepresentation in Academic AI Evaluation [0.0]
テストモデルとEpoch AI能力指数の同時フロンティアを比較した。
これらの回答のギャップは、+5.53 ECI/年で拡大している。
提案されている改善には、APIアクセス助成金と報告フレームワークの編集執行が含まれる。
論文 参考訳（メタデータ） (2026-05-05T17:58:35Z) - The Last Human-Written Paper: Agent-Native Research Artifacts [106.47848184955576]
本稿では,物語紙を機械処理可能な研究パッケージに置き換えるプロトコルであるAgent-Native Research Artifact(ARA)を紹介する。
通常の開発において決定と終了をキャプチャするLive Research Manager、レガシPDFとリポジトリをARAに変換するARAコンパイラ、人間レビュアーが重要性、ノベルティ、味にフォーカスできるように客観的チェックを自動化するARAネイティブレビューシステムである。
論文 参考訳（メタデータ） (2026-04-27T16:23:09Z) - TSVer: A Benchmark for Fact Verification Against Time-Series Evidence [8.095827820420839]
時系列エビデンスによる時間的および数値的推論に焦点を当てた,事実検証のための新しいベンチマークデータセットであるTSVerを紹介する。
TSVerには、38のファクトチェック組織に由来する287の現実世界のクレームと、さまざまなドメインをカバーする400の時系列のキュレートされたデータベースが含まれている。
論文 参考訳（メタデータ） (2025-11-02T22:33:19Z) - Cite Pretrain: Retrieval-Free Knowledge Attribution for Large Language Models [44.31597857713689]
最初の段階でActive Indexingを導入し、一般化可能なソースアンコールバインディングを作成します。
Qwen-2.5-7B&3Bの実験は、アクティブインデックスがパッシブインデックスのベースラインを一貫して上回っていることを示している。
内部の引用は、モデルを検索ノイズに対してより堅牢にすることで、外部の引用を補完する。
論文 参考訳（メタデータ） (2025-06-21T04:48:05Z) - GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。
FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
論文 参考訳（メタデータ） (2022-04-12T03:49:35Z) - The MultiBERTs: BERT Reproductions for Robustness Analysis [86.29162676103385]
事前トレーニングの再実行は、パフォーマンスに関して、かなり異なる結論をもたらす可能性がある。
我々は25個のBERTベースのチェックポイントの集合であるMultiBERTを紹介する。
目標は、研究者が事前訓練の手順について、堅牢で統計的に正当化された結論を描けるようにすることである。
論文 参考訳（メタデータ） (2021-06-30T15:56:44Z)
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。