論文の概要: Auditing Recorded Predictive Lead Service-Line Classifications Against Physical Verification: A Statewide Study of New York

• arxiv url: http://arxiv.org/abs/2608.19922v1
• Date: Thu, 20 Aug 2026 11:39:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-21 20:28:51.556377
• Title: Auditing Recorded Predictive Lead Service-Line Classifications Against Physical Verification: A Statewide Study of New York
• Title（参考訳）: 物理認証に対する予測的サービスライン分類の監査:ニューヨークにおける全国調査
• Abstract要約: 米国リード・アンド・銅規則改正の下では、ユーティリティはサービスラインの材料を検査する代わりに予測モデルで決定することができる。 ニューヨーク市は最大のケースで、予測モデルは43,215件のアドレスの記録ベースである。 ニューヨーク州の他の地域では、176,888の住所の12.21%で、同じメソッドがリード、あるいはヘッジが「未知だがリードできる」と記録されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Under the US Lead and Copper Rule Revisions, a utility may determine a service line's material with a predictive model instead of inspecting it. New York State publishes, per address, which method was used. Almost no address carries both a model classification and a physical verification, so the check is between populations within a utility rather than paired addresses. We screen all 153 New York localities that classified at least 100 addresses this way. Seventy-five (49%), covering 125,990 addresses or 57% of those screened, record one value. Zero variance alone is not misconduct: 68 of the 75 match their own verification or have too little to test. Seven are contradicted by their own crews, six beyond any sampling explanation. Five are boroughs of New York City, which file as one system; one is East Rochester, 550 km away. New York City is the largest case: a predictive model is the recorded basis for 43,215 addresses, and on all of them the recorded material is "Known Other". The city records "Unknown" on 121,779 addresses, 1,880 already excavated, and lead on 120,692. In the model bucket both counts are zero, and the 95% upper bound on the rate is 0.0085%. Across the rest of New York the same method records lead or the hedge "Unknown but could be lead" on 12.21% of 176,888 addresses, a comparison whose weaknesses we report. The model-cleared population is newer, median year built 1984 against 1930, and construction era accounts for about a third of the gap and not the rest: holding era fixed, records-based classification finds lead at 4.3-31.9%, physical verification at 1.5-14.5%, the model in no era. Six era-aware estimators place the expected lead lines among them at 1,150-1,450. Two findings need no comparison: 7,782 of these addresses are in pre-1940 buildings, and the archived 2025 snapshot shows the public-side determination was copied from a customer-side model output.
• Abstract（参考訳）: 米国リード・アンド・銅規則改正の下では、ユーティリティはサービスラインの材料を検査する代わりに予測モデルで決定することができる。 ニューヨーク州は、住所ごとにどの方法が使われたかを公表する。 ほぼすべてのアドレスがモデル分類と物理的検証の両方を持っているため、チェックはペアアドレスではなくユーティリティ内の人口間で行われる。 この方法で少なくとも100のアドレスを分類した153のニューヨーク市のローカライズをスクリーニングする。 75% (49%) で125,990のアドレスをカバーし、その57%がスクリーニングされ、1つの値を記録した。 75の68は、自身の検証と一致しているか、テストしづらいかのどちらかです。 7人は自身の乗組員によって矛盾しており、6人はサンプリング説明を越えている。 5つはニューヨーク市のボロであり、1つはイーストロチェスターであり、550km離れている。 ニューヨーク市は最大の事例であり、予測モデルは43,215の住所のベースであり、その全てについて記録された資料は「ノウン・アソシエイト」である。 市は121,779の住所で「未知」を記録し、1,880が発掘され、120,692がリードしている。 モデルバケットでは、両方のカウントはゼロであり、95%の上限は0.0085%である。 ニューヨーク州の他の地域では、176,888のアドレスの12.21%で同じメソッドがリード、あるいはヘッジがリードする可能性がある。 モデルクリーニングされた人口は、1984年と1930年の平均的な年であり、建設年代はギャップの約3分の1を占めており、残りの3分の1を占めている: 保持期間は固定され、レコードベースの分類では4.3-31.9%、物理的検証は1.5-14.5%、無時代である。 6つの年代対応推定器は、予測されるリードラインを1150-1,450に配置する。 これらの住所のうち7,782件は1940年以前の建物にあり、2025年にアーカイブされたスナップショットは、顧客側のモデル出力から公衆側の決定がコピーされたことを示している。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• When Can a Machine Trust a Statute? A Survival Certificate for Machine-Extracted Legal Logic [0.0]
  29,365のミズーリ地区と502のインディアン・セントラル・アクティクト地区では、登録済みのホールトアウトゲートパス(正確には7つのタイトルに10の法定家族が通っている。 我々は,機械抽出法コンテキストのDukenne-Guigues含意に基づく受動的生存証明書を構築した。
  論文  参考訳（メタデータ） (2026-09-01T18:08:01Z)
• One note in three: a verified census of three deployed AI scribes, and the instrument that counted it [0.0]
  私たちは、同じ142のコンサルティングで3人の商用AIスクリプタを監査しました。 重要なフィルタをクリアする5,898個のモデルが2つのモデルからなる対向パネルに到達した。 3分の1のメモは、アレルギーや薬物情報に集中して、確認された失敗をもたらす。
  論文  参考訳（メタデータ） (2026-08-31T16:00:27Z)
• A Calibration Audit of Confidence in Feed-Forward 3D Reconstruction [45.496856835431885]
  3D再構成モデルは、下流システムが信頼性信号として読み取る画素当たりの信頼を出力する。 4つの特性に対する信頼度、エラーのランク付けの正確さ、そのレベルが平均的に正しいかどうか、信頼範囲を越えて保持されているかどうか、そしてその間隔が真実をカバーしているかどうか。 信頼度は誤差をよくランク付けするが、予測された不確実性は、トレーニングの正確さではない条件下で読み取られると低すぎる。
  論文  参考訳（メタデータ） (2026-08-30T10:21:34Z)
• 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)
• When Self-Consistency Backfires: Majority Vote Hurts the Majority of Hard Science Problems for Small LLMs [0.0]
  多数決による自己整合性は、小命令チューニングモデルのGPQAダイアモンド問題において、プロブレム毎の精度を低下させる。 このバージョンでは、最も自然な修復も失敗し、v1が1つとして扱われた3つの信号障害を分離する。
  論文  参考訳（メタデータ） (2026-08-11T20:08:51Z)
• Frozen High-Resolution Inference for Cross-City Object Detection: An AI City Challenge 2026 Study [0.5076419064097734]
  都市横断物体検出には、ラベルのない対象都市に一般化するために、ある都市で訓練された検出器が必要である。 本研究では, RF-DETR-Large検出器を空装したトレーニング・アズ・ア・サービスプラットフォーム内のアーカイブ構成を解析した。
  論文  参考訳（メタデータ） (2026-08-04T05:03:37Z)
• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• Measuring Faithfulness Depends on How You Measure: Classifier Sensitivity in LLM Chain-of-Thought Evaluation [0.0]
  連鎖忠実性に関する最近の研究は、単一集合数について報告している。 本論文は、忠実性はモデルの客観的かつ測定可能な性質ではないことを示す。
  論文  参考訳（メタデータ） (2026-03-20T17:48:43Z)
• A ripple in time: a discontinuity in American history [49.84018914962972]
  歴史的データセットの時間的側面(言語拡張と無関係)と人格的側面(著者帰属)を明らかにするための新しいアプローチを提案する。 我々は過去42人のアメリカ合衆国大統領によって与えられた連邦の住所に対する我々のアプローチを例示する。
  論文  参考訳（メタデータ） (2023-12-02T17:24:17Z)
• Spuriosity Rankings: Sorting Data to Measure and Mitigate Biases [62.54519787811138]
  本稿では,突発的手がかりに依存したモデルバイアスを簡易かつ効果的に測定・緩和する手法を提案する。 我々は,解釈可能なネットワークの深部神経的特徴をベースとして,それらのクラス内の画像のランク付けを行う。 以上の結果から,素早い特徴依存によるモデルバイアスは,モデルがどのようにトレーニングされたかよりも,モデルがトレーニングされていることの影響がはるかに大きいことが示唆された。
  論文  参考訳（メタデータ） (2022-12-05T23:15:43Z)
• What Can We Learn from Collective Human Opinions on Natural Language Inference Data? [88.90490998032429]
  ChaosNLIは、集合HumAnオピニオンSを研究するための合計464,500のアノテーションを持つデータセットである。 このデータセットは、SNLIとMNLIの3,113例とAbductive-NLIの1,532例に対して、100のアノテーションを例に集めて作成されている。
  論文  参考訳（メタデータ） (2020-10-07T17:26:06Z)

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。