論文の概要: Does the Competitive Component of Adversarial Self-Play Improve Legal Reasoning? A Controlled Negative Result
- arxiv url: http://arxiv.org/abs/2608.01559v1
- Date: Mon, 03 Aug 2026 00:31:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.285218
- Title: Does the Competitive Component of Adversarial Self-Play Improve Legal Reasoning? A Controlled Negative Result
- Title（参考訳）: 対戦型セルフプレイの競争的要素は法的推論を改善するか?負の制御結果
- Abstract要約: アドリアル・セルフプレイ(Adrial Self-play)は、法的理由づけの魅力的なレシピである。
我々は、学生の引用する権威と敵の反権威の両方がチェックされる、検証可能な「生存」報酬を設計した。
4つの独立したテストで、競争力のあるコンポーネントは信頼できる利益を得られなかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adversarial self-play is an appealing recipe for legal reasoning: have a student model draft an argument, have an adversary attack it, and reward the student when its argument survives the attack. We designed exactly such a training signal -- a verifiable "survival" reward in which both the student's cited authorities and the adversary's counter-authorities are checked by a citation verifier, so that survival is decided on verified grounds rather than rhetoric, and fabricated citations are automatically neutralized. We then asked a narrow but important question: does the competitive component itself -- the adversary and the survival reward -- add anything on top of an otherwise identical non-competitive training run? Across four independent tests -- a bootstrap comparison, a two-seed replication, a paired per-case adversarial-robustness comparison, and a blinded head-to-head judgment of generated arguments, plus a follow-up pilot with a deliberately strengthened self-play adversary -- the competitive component produced no reliable benefit. The blinded judgment gave a 49% win rate (binomial p approx. 1.000); the strengthened-adversary pilot gave a 50% win rate (32:32, p approx. 1.000). An early apparent +29% advantage reversed and proved to be a small-sample artifact. We report this as an honest negative result. The value of the paper is reproducibility and the sharing of concrete pitfalls: an initially promising metric that inverted on more data, and an adversarial-robustness metric that silently collapsed to plain recall once the adversary stopped citing the same authorities as the gold answer. This null is consistent with, and reconfirms in the legal domain, the conclusion of the companion coding-domain study (Kim, 2026, arXiv:2607.08255) that the value of multi-teacher curricula arises from constructing a verifiable environment rather than from competition itself.
- Abstract（参考訳）: 学生モデルに議論を起草させ、相手に攻撃させ、その議論が攻撃を生き残ると生徒に報酬を与える。
学生の引用された権威と敵の反権威の両方が引用検証器でチェックされ、修辞ではなく検証された根拠で生存が決定され、製造された引用が自動的に中和される、検証可能な「生存」報酬を正確に設計した。
競争力のあるコンポーネント -- 敵と生存報酬 -- は、それ以外は同じ非競争的なトレーニング実行の上に何か追加しますか?
4つの独立したテスト – ブートストラップ比較,2列レプリケーション,ケースごとの対向性比較,生成した引数の盲目の頭対頭判定,そして意図的に強化されたセルフプレイ敵のフォローアップパイロット – を通じて,競合コンポーネントは信頼性のないメリットを生んだ。
盲目の判断は49%の勝利率(二項p近似は1.000)、強化された敵のパイロットは50%の勝利率(32:32, p近似は1.000)を与えた。
初期の見かけ+29%の利点は逆転し、小さなサンプルの人工物であることが判明した。
我々はこれを率直な否定的な結果と報告する。
論文の価値は再現性と具体的な落とし穴の共有であり、当初はより多くのデータに逆らった有望な計量であり、敵が金の答えと同じ権威を引用するのを止めた後、静かに平らなリコールに崩壊した敵対的破壊性計量である。
このヌルは法域と一致し、また、競合自体からではなく検証可能な環境を構築することから生じる、共同のコーディングドメイン研究(Kim, 2026, arXiv:2607.08255)の結論である。
関連論文リスト
- Reasoning Arena: Trace Tournaments When Verifiable Rewards Fall Short [51.667769734342635]
検証可能な報酬付き強化学習(RLVR)は,大規模言語モデルの推論能力向上のための主要なパラダイムとなっている。
本研究では,非多変量報酬群を判定システムにルーティングする適応学習フレームワークであるReasoning Arenaを提案する。
我々は、Reasoning Arenaが、競争数学やコーディングベンチマークにおいて、RLVRベースラインを平均で7.6%上回っていることを示す。
論文 参考訳（メタデータ） (2026-06-08T11:57:17Z) - Adversaries With Incentives: A Strategic Alternative to Adversarial Robustness [11.722685584919757]
敵の訓練は、あらゆる意味で予測性能を損なうことが唯一の目的である敵に対して防御することを目的としている。
対戦相手を,分類者に対して直接取り組むのではなく,単に自身の目標を追求するものとしてモデル化することを提案する。
我々は、相手のインセンティブに関する穏やかな知識がいかに有用であるかを示す一連の実験を行う。
論文 参考訳（メタデータ） (2024-06-17T12:20:59Z) - Asymmetric Bias in Text-to-Image Generation with Adversarial Attacks [21.914674640285337]
本稿では、攻撃成功率(ASR)に関連する要因の分析に焦点をあてる。
敵接尾辞と2つの勾配に基づく攻撃アルゴリズムを用いた新たな攻撃目標であるエンティティスワップを導入する。
敵の攻撃で成功確率が60%になる状況と、この確率が5%以下に低下する状況を見いだす。
論文 参考訳（メタデータ） (2023-12-22T05:10:32Z) - Perturbation-Invariant Adversarial Training for Neural Ranking Models:
Improving the Effectiveness-Robustness Trade-Off [107.35833747750446]
正統な文書に不可避な摂動を加えることで 敵の例を作れます
この脆弱性は信頼性に関する重大な懸念を生じさせ、NRMの展開を妨げている。
本研究では,NRMにおける有効・損耗トレードオフに関する理論的保証を確立する。
論文 参考訳（メタデータ） (2023-12-16T05:38:39Z) - To be Robust and to be Fair: Aligning Fairness with Robustness [17.656873309017076]
両指標の対人訓練と対人攻撃の問題について検討する。
グループフェアネスの共通概念をまとめるフェアネス攻撃のための統一構造を提案する。
フェアネスと精度攻撃のアライメントを示し、一方のロバストネス w.r.t. がもう一方のロバストネス w.r.t. の利点を理論的に示す。
論文 参考訳（メタデータ） (2023-03-31T18:23:57Z) - Measuring Equality in Machine Learning Security Defenses: A Case Study
in Speech Recognition [56.69875958980474]
この研究は、学習したシステムを守るためのアプローチと、異なるサブ人口間でのセキュリティ防衛がパフォーマンス上の不平等をもたらす方法を検討する。
提案された多くの手法は、虚偽の拒絶やロバストネストレーニングの不平等といった直接的な害を引き起こす可能性がある。
本稿では, ランダム化スムースメントとニューラルリジェクションの2つの防御法の比較を行い, マイノリティ集団のサンプリング機構により, ランダム化スムースメントがより公平であることを見出した。
論文 参考訳（メタデータ） (2023-02-17T16:19:26Z) - A Tale of HodgeRank and Spectral Method: Target Attack Against Rank
Aggregation Is the Fixed Point of Adversarial Game [153.74942025516853]
ランクアグリゲーション手法の本質的な脆弱性は文献ではよく研究されていない。
本稿では,ペアデータの変更による集計結果の指定を希望する目的のある敵に焦点をあてる。
提案した標的攻撃戦略の有効性は,一連の玩具シミュレーションと実世界のデータ実験によって実証された。
論文 参考訳（メタデータ） (2022-09-13T05:59:02Z) - Reproduction and Replication of an Adversarial Stylometry Experiment [8.374836126235499]
本稿では,著者帰属に対する防衛に関する基礎的研究において,実験を再現し,再現する。
完全自動翻訳法であるラウンドトリップ翻訳が再検査に有用であることを示す新たな証拠が発見された。
論文 参考訳（メタデータ） (2022-08-15T18:24:00Z) - Adversarial Contrastive Learning via Asymmetric InfoNCE [64.42740292752069]
非対称なInfoNCEの目的と対比した場合,非対称なサンプルを不等に扱うことを提案する。
非対称的な方法では、CLと対向学習の相反する目的の悪影響を効果的に軽減することができる。
実験の結果,提案手法は既存CL法より一貫して優れていることがわかった。
論文 参考訳（メタデータ） (2022-07-18T04:14:36Z) - Provable Defense Against Delusive Poisoning [64.69220849669948]
本研究は, 対人訓練が妄想性中毒に対する防御法であることを示す。
これは、敵の訓練が妄想的中毒に対する原則的な防御方法であることを意味している。
論文 参考訳（メタデータ） (2021-02-09T09:19:47Z)
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。