論文の概要: Fairness Auditing: Lower Bounds on Company Manipulation

• arxiv url: http://arxiv.org/abs/2608.00568v1
• Date: Sat, 01 Aug 2026 10:11:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:24.781214
• Title: Fairness Auditing: Lower Bounds on Company Manipulation
• Title（参考訳）: 公正監査:企業運営における低い境界
• Abstract要約: フェアネス監査は、雇用、貸与、自動意思決定といった高度なアプリケーションでますます義務付けられている。 最近の研究はブラックボックスフェアネス監査の基本的な不可能な結果を確立している。 有限監査資源の下では避けられない事後操作の程度を定量化する。
• 参考スコア（独自算出の注目度）: 4.867679624126028
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fairness audits are increasingly mandated in high-stakes applications such as hiring, lending, and automated decision-making. Recent work has established fundamental impossibility results for black-box fairness auditing, showing that sufficiently expressive models can evade any auditing strategy. We complement these results by quantifying the extent of unavoidable post-audit manipulation under finite audit resources. We formulate fairness auditing as a min-max optimization between a computationally unbounded company and a budget-constrained auditor. We study two auditing regimes: (i) a budgeted auditor that certifies fairness using a fixed-size audit set, and (ii) a budgeted α-tolerant auditor that additionally requires the audit set to estimate the fairness of the certified model within an α approximation. For both settings, we derive explicit lower bounds on the worst-case post-audit demographic parity deviation as functions of the audit budget, group imbalance, and fairness tolerance. Finally, we empirically illustrate these theoretical limits using simple audit-set construction heuristics with linear and neural network classifiers. Our results demonstrate that increasing audit resources reduces, but does not eliminate, the scope for post-audit manipulation, highlighting fundamental limitations of finite-budget fairness certification.
• Abstract（参考訳）: フェアネス監査は、雇用、貸与、自動意思決定といった高度なアプリケーションでますます義務付けられている。 最近の研究は、ブラックボックスフェアネス監査の基本的な不可能な結果を確立し、十分な表現力のあるモデルが監査戦略を回避できることを示した。 有限監査資源下での回避不可能な事後操作の程度を定量化することにより,これらの結果を補完する。 計算対象の非有界企業と予算制約監査者との間の最小限の最適化として公正監査を定式化する。 監査制度を2つ研究する。 一 定額監査セットを用いて公正を認定する予算監査役 (二)α近似内で認定モデルの公正性を推定するために監査セットを必要とする予算付きα耐性監査者。 両設定において、監査予算、グループ不均衡、公正耐性の関数として、最悪のオーディット後のパーティ偏差に対する明らかな低い限界を導出する。 最後に、線形およびニューラルネットワーク分類器を用いた単純な監査セット構成ヒューリスティックを用いて、これらの理論的限界を実証的に説明する。 その結果、監査資源の増加は、監査後の操作の範囲を減らし、有限予算公正認定の基本的な制限を強調した。

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)
• BRA-Audit: Budgeted Runtime Auditing for LLM Multi-Agent Systems via Cumulative-Exposure Audit-Point Placement [5.4775608854724345]
  マルチエージェントシステム(LLM-MAS)は、特殊なコラボレーションを通じて複雑なタスクを解決するが、エージェント間の依存関係は、幻覚または悪意のある出力をシステムレベルの障害に伝達することができる。 BRA-Auditは,MAS実行を動的依存グラフとしてモデル化し,固定された監査コール予算の下で監査点配置として監査スケジューリングを定式化し,累積的未確認露出を最小限に抑える,予算対応型ランタイム監査フレームワークである。 BRA-Auditは、構造化されたコーディネーション、複雑な推論、オープンエンドタスク全体にわたって、クリーンな設定に近いパフォーマンスを回復し、重いガード手法と競合し、()エンドツーエンドのトークン消費を減らす。
  論文  参考訳（メタデータ） (2026-08-02T14:35:43Z)
• Sequential Fairness Auditing with Limited Output Access [6.933020649563105]
  外部評価は、AIシステムのガバナンスの中心になりつつある。 実際には、独立監査人はデプロイされたモデルへのアクセスに制限があり、クエリベースのインタラクションに頼らなければならない。 既存のフェアネス評価手法の多くは、静的データセットと固定サンプル統計検査を前提としている。 モデル出力アクセスの制限下での耐久性を考慮した逐次仮説検定問題としてフェアネス監査を定式化する。
  論文  参考訳（メタデータ） (2026-06-29T14:17:33Z)
• 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)
• IMMACULATE: A Practical LLM Auditing Framework via Verifiable Computation [49.796717294455796]
  経済的なモチベーションのある逸脱を検出するための実践的な監査フレームワークIMMACULATEを提案する。 IMMACULATEは、検証可能な計算を用いて少数のリクエストを選択的に監査し、暗号オーバーヘッドを償却しながら強力な検出保証を達成する。
  論文  参考訳（メタデータ） (2026-02-26T07:21:02Z)
• Governing AI Forgetting: Auditing for Machine Unlearning Compliance [30.173215964349044]
  我々は、認定されたアンラーニング理論と規制執行を統合することで、機械のアンラーニングコンプライアンスを監査するための最初の経済枠組みを導入する。 MUの本質的な不確かさを,証明された未学習の仮説検証解釈を用いて特徴付ける。 次に,オーディタとオペレータ間の戦略的相互作用を捉えるゲーム理論モデルを提案する。
  論文  参考訳（メタデータ） (2026-02-16T08:32:09Z)
• 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)
• UniAud: A Unified Auditing Framework for High Auditing Power and Utility with One Training Run [9.400936999321415]
  データに依存しない監査のための統合フレームワークUniAudを提案する。 データ依存監査のためのUniAud++として、このフレームワークを拡張します。 我々は,O(T)監査の最先端の監査結果と数千ランの監査結果とが一致していることを示す。
  論文  参考訳（メタデータ） (2025-07-06T16:35:48Z)
• Auditing for Bias in Ad Delivery Using Inferred Demographic Attributes [50.37313459134418]
  広告配信のブラックボックス監査において,予測誤差が偏見の監査に与える影響について検討した。 本稿では,広告配信アルゴリズムのスキュー評価において,推測誤差を軽減する手法を提案する。
  論文  参考訳（メタデータ） (2024-10-30T18:57:03Z)
• The Decisive Power of Indecision: Low-Variance Risk-Limiting Audits and Election Contestation via Marginal Mark Recording [51.82772358241505]
  リスクリミット監査(リスクリミット監査、RLA)は、大規模な選挙の結果を検証する技術である。 我々は、効率を改善し、統計力の進歩を提供する監査の新たなファミリーを定めている。 新しい監査は、複数の可能なマーク解釈を宣言できるように、キャストボイトレコードの標準概念を再考することで実現される。
  論文  参考訳（メタデータ） (2024-02-09T16:23:54Z)
• RESHAPE: Explaining Accounting Anomalies in Financial Statement Audits by enhancing SHapley Additive exPlanations [1.3333957453318743]
  本稿では,集約属性レベルのモデル出力を説明するRESHAPEを提案する。 以上の結果から,RESHAPEは最先端のベースラインと比較して多目的に説明できるという実証的証拠が得られた。 金融監査における非教師なしDL技術導入の次のステップとして,このような属性レベルの説明を想定する。
  論文  参考訳（メタデータ） (2022-09-19T16:23:43Z)
• Learning Sampling in Financial Statement Audits using Vector Quantised Autoencoder Neural Networks [1.2205797997133396]
  本稿では,Vector Quantized-Variational Autoencoder (VQ-VAE) ニューラルネットワークの応用を提案する。 実世界の2つの決済データセットに基づいて、そのようなニューラルネットワークが会計データの定量化表現を学習できることを実証する。
  論文  参考訳（メタデータ） (2020-08-06T09:02:02Z)

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。