論文の概要: TrustChain-Review: A Risk-Adaptive Blockchain and Game-Theoretic Framework for Trustworthy AI-Assisted Code Review
- arxiv url: http://arxiv.org/abs/2607.27310v1
- Date: Wed, 29 Jul 2026 17:53:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.29169
- Title: TrustChain-Review: A Risk-Adaptive Blockchain and Game-Theoretic Framework for Trustworthy AI-Assisted Code Review
- Title（参考訳）: TrustChain-Review: 信頼できるAI支援コードレビューのためのリスク適応型ブロックチェーンとゲーム理論フレームワーク
- Abstract要約: 検証可能な証拠,戦略的インセンティブ,リスクに敏感なガバナンスを組み合わせたフレームワークであるTrustChain-Reviewを紹介する。
評価精度、信頼収束、悪意のあるレビュー検出、表面レビュー検出、ネットプラットフォームユーティリティ、ガバナンスコスト、コスト効率を使って、6つのガバナンス構成を30以上の独立した実行で比較する。
フルエビデンス構成は、最も高い評価、信頼、そして検出結果を生み出しますが、同時に、ガバナンスコストも高いのです。
- 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: Context: AI-assisted software development can speed up coding and review, but it also makes accountability harder to establish. Developers may submit insufficiently verified code, reviewers may approve changes with limited inspection, and centralized reputation records may be difficult to audit. Objectives: This study introduces TrustChain-Review, a framework that combines verifiable evidence, strategic incentives, and risk-sensitive governance to support more trustworthy code review. Methods: The framework includes a blockchain-based evidence layer, a three-player game-theoretic model for developers, reviewers, and the platform, and a rule that applies stronger governance when the expected benefit justifies its cost. The evaluation uses a controlled simulation calibrated with the Diff Quality Estimation dataset. Six governance configurations are compared over 30 independent runs using reputation accuracy, trust convergence, malicious-review detection, superficial-review detection, net platform utility, governance cost, and cost-efficiency. Results: The full-evidence configuration produces the strongest reputation, trust, and detection results, but it also has the highest governance cost. The risk-adaptive configuration lowers this cost and improves cost-efficiency by applying stronger controls selectively, although its trust and detection results are lower than those of the full-evidence setting. Conclusion: Strong evidence-based governance is most appropriate for high-risk or audit-sensitive changes. For routine or lower-risk contributions, selective governance offers a more practical balance between trustworthiness and operational cost.
- Abstract（参考訳）: コンテキスト: AI支援のソフトウェア開発はコーディングとレビューをスピードアップしますが、説明責任の確立も難しくなります。
開発者は十分に検証されたコードを提出し、レビュアーは限定的な検査で変更を承認し、集中的な評価記録は監査が難しいかもしれない。
目的:本研究では、検証可能な証拠、戦略的インセンティブ、リスクに敏感なガバナンスを組み合わせて、より信頼できるコードレビューをサポートするフレームワークであるTrustChain-Reviewを紹介します。
メソッド: このフレームワークには、ブロックチェーンベースのエビデンスレイヤ、開発者、レビュアー、プラットフォームのための3つのプレイヤゲーム理論モデル、期待されるメリットがコストを正当化するならば、より強力なガバナンスを適用するルールが含まれている。
評価は、Diff Quality Estimationデータセットで調整された制御されたシミュレーションを使用する。
評価精度、信頼収束、悪意のあるレビュー検出、表面レビュー検出、ネットプラットフォームユーティリティ、ガバナンスコスト、コスト効率を使って、6つのガバナンス構成を30以上の独立した実行で比較する。
結果: 完全なエビデンス構成は、最も高い評価、信頼、そして検出結果を生み出しますが、同時に、ガバナンスコストも高いのです。
リスク適応構成は、このコストを低減し、より強力な制御を選択的に適用することでコスト効率を向上させるが、信頼性と検出結果はフルエビデンス設定よりも低い。
結論: 強い証拠に基づくガバナンスは、リスクの高い変更や監査に敏感な変更に最も適しています。
日常的あるいは低リスクな貢献に対して、選択的なガバナンスは、信頼性と運用コストのより実践的なバランスを提供します。
関連論文リスト
- Manipulation-Proof Oblivious Audits against Deceptive Model Providers [4.614773550999029]
規制の文脈では、監査は通常、宣言または容易に検出され、モデルプロバイダがプロセスを操作することができる。
この脆弱性は、フェアネス評価の文脈では特に深刻である。
本稿では,このような操作の聴取後検出可能性を大幅に向上する新しい監査プロトコルを提案する。
論文 参考訳（メタデータ） (2026-08-05T02:12:54Z) - CTRAG: An In-Context Retrieval-based Framework for Automated Compliance Checking using LLMs [3.4983716329137344]
本稿では,自動コンプライアンスチェック用に設計された新しいRAGパイプラインであるCTRAGを提案する。
CTRAGは、サードパーティサービスによる間接コンプライアンスであっても、極めて正確で、文書インフォームドコンプライアンスの検証を実現している。
CTRAGはF1スコア78%、リコール85%を最終配置で達成している。
論文 参考訳（メタデータ） (2026-08-03T16:40:16Z) - Bayesian control for coding agents [63.64172141184361]
本稿では,コーディングエージェントのためのコスト依存型シーケンシャル仮説テストフレームワークを提案する。
ベイズ管制官は、正確性に対する信念を維持し、より多くの証拠を集め、候補者を精査し、検証し、停止するかを決定する。
本研究では, 信頼状態が, 不確実性定量化のためのトークン確率と生ツール・サクセスベースラインを上回り, 解釈可能な正当性スコアを得ることを示す。
論文 参考訳（メタデータ） (2026-06-23T11:41:32Z) - Time to REFLECT: Can We Trust LLM Judges for Evidence-based Research Agents? [61.49434544687523]
本稿では,エージェント環境におけるきめ細かい故障検出を目的としたメタ評価ベンチマークREFLECTを紹介する。
REFLECTはプロセスレベルの障害モードと結果レベルの障害モードの詳細な分類を定義し、制御および局所的な介入を実行することでインスタンス化する。
私たちの実験では、最高のパフォーマンスモデルでさえ、推論、ツール使用、レポート品質の失敗に対して、全体的なアキュラシーを55%以下に達成しています。
論文 参考訳（メタデータ） (2026-05-18T23:55:08Z) - Reward Hacking in Rubric-Based Reinforcement Learning [23.418394508756464]
そこでは,ルールをトレーニング検証器に対して最適化するが,フロンティアの3人の審査員の家族間パネルに対して評価を行う。
我々のフレームワークは、検証失敗とルーブリック設計の制限という2つの違いの源を分離している。
医学領域と科学領域全体において、弱い検証器は参照検証器に転送されない大きなプロキシ・リワードゲインを生成する。
論文 参考訳（メタデータ） (2026-05-12T17:54:25Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - Process Supervision of Confidence Margin for Calibrated LLM Reasoning [52.373121066425455]
強化学習(RL)によるテスト時間計算のスケーリングは,大規模言語モデル(LLM)推論能力を向上させるための信頼性の高い経路として登場した。
しかし、結果に基づく報酬は、しばしばモデルに過信感を与え、幻覚、信頼できない信頼ベースの制御、不要な計算割り当てをもたらす。
本稿では,信頼性と信頼性を両立させるキャリブレーションを意識したRLフレームワークであるReinforcement Learning with Confidence Margin(textbfRLCM)を紹介する。
論文 参考訳（メタデータ） (2026-04-25T14:40:13Z) - When to Trust the Cheap Check: Weak and Strong Verification for Reasoning [26.38833436936642]
我々は、強い検証と弱い検証の間の緊張を形式化する。
最適ポリシは2つの閾値構造を持ち,キャリブレーションとシャープネスが弱い検証器の値を支配することを示す。
本研究では,クエリストリーム,言語モデル,弱検証器を仮定することなく,受入誤りや拒否誤りを確実に制御するオンラインアルゴリズムを開発した。
論文 参考訳（メタデータ） (2026-02-19T18:47:38Z) - Preventing the Collapse of Peer Review Requires Verification-First AI [49.995126139461085]
我々は、真理結合、すなわち、過度に科学的真理をトラックする場所のスコアの厳密さを提案する。
プロキシ・ソブリン評価に向けた相転移を駆動する2つの力の形式化を行う。
論文 参考訳（メタデータ） (2026-01-23T17:17:32Z) - Zero-shot reasoning for simulating scholarly peer-review [0.0]
本稿では、AI生成ピアレビューレポートを評価するための、最初の安定的でエビデンスに基づく標準を提供する決定論的シミュレーションフレームワークについて検討する。
第一に、このシステムは校正された編集判断をシミュレートすることができ、「改訂」決定が一貫して多数決結果を形成する。
第二に、手続きの整合性を揺るぎないまま維持し、安定した29%の証明の遵守率を強制する。
論文 参考訳（メタデータ） (2025-10-02T13:59:14Z) - Position: The Hidden Costs and Measurement Gaps of Reinforcement Learning with Verifiable Rewards [110.47944672736723]
我々は、RLVR税、評価落とし穴、データ汚染という3つの力によって利回りが過大評価されることが多いと論じている。
本稿では, 精度, グラウンド, キャリブレーションを両立させる税意識訓練・評価プロトコルを提案する。
論文 参考訳（メタデータ） (2025-09-26T05:06:25Z) - A Game-Theoretic Analysis of Auditing Differentially Private Algorithms with Epistemically Disparate Herd [16.10098472773814]
本研究は,Stackelbergゲームアプローチを用いたアルゴリズム開発者に対する群集監査の効果について検討する。
透明性と説明責任を高めることで、Hed auditはプライバシ保護アルゴリズムの責任ある開発に寄与する。
論文 参考訳（メタデータ） (2024-04-24T20:34:27Z)
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。