論文の概要: Law of Large Numbers: Accuracy as Statistical Measure for AI Compliance and Competition

• arxiv url: http://arxiv.org/abs/2608.31018v1
• Date: Mon, 31 Aug 2026 16:02:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.497124
• Title: Law of Large Numbers: Accuracy as Statistical Measure for AI Compliance and Competition
• Title（参考訳）: 大数の法則:AIコンプライアンスと競争の統計的尺度としての正確性
• Abstract要約: EU AI Actは、リスクの高いAIシステムのコンプライアンス対策の一環として、"正確性"を明示的に言及している。 この研究は、社会世界の異なる要求に対するケーススタディとして「正確性」を提示している。
• 参考スコア（独自算出の注目度）: 5.684057370781516
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The machine learning community progresses (in part) by improving the "accuracy" of its systems. The EU AI Act explicitly refers to "accuracy" as part of its compliance measures for high-risk AI systems. Are we talking about the same thing? This work presents "accuracy" as a case-study for differing requirements of social worlds, the technological machine learning community and the legal community. While competition on accuracy contributes to technological development, machine learning scholars simultaneously recognize accuracy's shortcomings regarding the usefulness and effectiveness of machine learning systems. The legal counterpart embraces the vagueness of "accuracy," leaving interpretative flexibility for technological and societal changes. At the same time, accuracy is a core element of compliance within the EU AI Act. We elaborate on five main tensions, (a) nature of accuracy, (b) notion of performance, (c) scope of validity, (d) ends, and (e) statisticalness, to show that the two communities project disparate, and sometimes contradictory, expectations on accuracy. Both legal and technical communities lack precise understanding of "accuracy" beyond the contextual boundaries of their community. The resulting frictions, \eg, based on the empirical or normative understanding of accuracy, are symptoms of an unresolved (and unresolvable) debate on what accuracy is. We constructively use the frictions to recommend baselines and interventional studies in standardization, and demand for tools to extend the validity of accuracy measurements.
• Abstract（参考訳）: 機械学習コミュニティは、システムの"正確性"を改善することで(部分的には)進展します。 EU AI Actは、リスクの高いAIシステムのコンプライアンス対策の一環として、"正確性"を明示的に言及している。 同じことを言っていますか? この研究は、社会的世界の異なる要件、技術機械学習コミュニティ、法律コミュニティのケーススタディとして「正確さ」を提示している。 精度の競争は技術開発に寄与するが、機械学習研究者は機械学習システムの有用性と有効性に関する精度の欠点を同時に認識する。 法的な相手は「正確さ」の曖昧さを受け入れ、技術的・社会的変化に対する解釈的柔軟性を残している。 同時に、正確性はEUのAI法におけるコンプライアンスの中核的な要素である。 5つの主要な緊張関係について詳しく述べる。 a) 正確さの性質 (b)パフォーマンスの概念 c) 有効範囲,有効範囲 (d) 終了,及び (e) 統計性は,2つのコミュニティが,正確性に対する期待と相違し,時には矛盾するものであることを示す。 法律と技術の両方のコミュニティは、そのコミュニティの文脈的境界を超えた「正確さ」の正確な理解を欠いている。 結果として生じる摩擦である「eg」は、精度の実証的あるいは規範的な理解に基づいて、正確性について未解決の(そして解決不可能な)議論の兆候である。 我々はこの摩擦を利用して標準化の基準線と介入研究を推奨し、精度測定の妥当性を高めるためのツールを要求する。

関連論文リスト

• Representational Equality in Cross-country Value Simulation: A Systematic Analysis of Large Language Models [46.49379509882212]
  大規模言語モデル(LLM)は、人間の意見をシミュレートするためのスケーラブルなプロキシとして機能する。 不均一なシミュレーション精度は、下流のアプリケーションにおける社会的バイアスを再現または増幅することができる。 本研究は、59か国における国レベルの表現平等を体系的に検討する。
  論文  参考訳（メタデータ） (2026-08-08T10:53:14Z)
• Is your AI Model Accurate Enough? The Difficult Choices Behind Rigorous AI Development and the EU AI Act [11.9330079062021]
  2024年欧州連合のAI法は、リスクの高いシステムに対して「適切なレベルの精度」を規定している。 本稿では, 精度の定義, 測定, 評価の方法を決定する選択について, 法的・技術的に分析した。 本論文は,AIガバナンスと規制に関する学際的な議論に,テクノ・ノーマティブな精度の次元を明確化することによって貢献する。
  論文  参考訳（メタデータ） (2026-03-11T15:51:37Z)
• Beyond Statistical Learning: Exact Learning Is Essential for General Intelligence [59.07578850674114]
  音の誘惑的推論は、一般知能の必然的に望ましい側面である。 もっとも先進的なフロンティアシステムでさえ、定期的かつ一貫して容易に解決可能な推論タスクに干渉していることは、よく文書化されている。 彼らの不健全な振る舞いは、彼らの発展を支えている統計的学習のアプローチの結果である、と我々は主張する。
  論文  参考訳（メタデータ） (2025-06-30T14:37:50Z)
• Rigor in AI: Doing Rigorous AI Work Requires a Broader, Responsible AI-Informed Conception of Rigor [83.99510317617694]
  我々は、厳格なAI研究と実践が持つべきものに対するより広範な概念が必要とされると論じている。 我々は,AIコミュニティの作業に関する対話に有用な言語とフレームワークを提供することを目標としている。
  論文  参考訳（メタデータ） (2025-06-17T15:44:41Z)
• Aggregating Concepts of Fairness and Accuracy in Prediction Algorithms [0.0]
  精度と公平度を線形に組み合わせて、予測アルゴリズムの全てを考慮に入れた値を測定するには、十分な理由がある、と私は論じる。 AngwinらによってコンパイルされたCompASデータセットを用いて、精度・公正トレードオフの分析に私の結果を適用します。
  論文  参考訳（メタデータ） (2025-05-13T01:00:25Z)
• Accuracy of training data and model outputs in Generative AI: CREATe Response to the Information Commissioner Office Consultation [6.699484354380871]
  CREATeは、生成AIの正確性に関する証拠を求めるICOの呼びかけを歓迎している。 私たちは、データ保護法とAI規制の側面を強調して喜んでいます。
  論文  参考訳（メタデータ） (2024-05-30T10:34:49Z)
• Calibration in Machine Learning Uncertainty Quantification: beyond consistency to target adaptivity [0.0]
  この記事では、一貫性と適応性は相補的な検証対象であり、一貫性が良い適応性を意味するものではないことを示す。 適応型バリデーション手法を提案し, 代表的な例を示す。
  論文  参考訳（メタデータ） (2023-09-12T13:58:04Z)
• Operationalizing content moderation "accuracy" in the Digital Services Act [21.6950868055942]
  EUが採択したデジタルサービス法(Digital Services Act)では、ソーシャルメディアプラットフォームが自動コンテンツモデレーションシステムの「正確性」を報告する必要がある。 さらなる仕様がなければ、規制要件は不十分な報告を可能にする。 我々は、法的概念を精査し、技術的実装に関連する「正確さ」レポートを運用する。
  論文  参考訳（メタデータ） (2023-05-16T16:54:43Z)
• Calibrating AI Models for Wireless Communications via Conformal Prediction [55.47458839587949]
  コンフォーマル予測は,通信システムにおけるAIの設計に初めて適用される。 本稿では,形式的校正保証付き決定を生成するAIモデルを得るための一般フレームワークとしての共形予測の適用について検討する。
  論文  参考訳（メタデータ） (2022-12-15T12:52:23Z)
• Measuring Fairness of Text Classifiers via Prediction Sensitivity [63.56554964580627]
  加速度予測感度は、入力特徴の摂動に対するモデルの予測感度に基づいて、機械学習モデルの公正度を測定する。 この計量は、群フェアネス(統計パリティ)と個人フェアネスという特定の概念と理論的に関連付けられることを示す。
  論文  参考訳（メタデータ） (2022-03-16T15:00:33Z)
• Geometry-aware Instance-reweighted Adversarial Training [78.70024866515756]
  敵対的機械学習では、堅牢性と正確性がお互いを傷つけるという共通の信念があった。 本稿では,自然データ点の攻撃がいかに難しいかに基づいて,幾何対応のインスタンス再重み付き対向訓練を提案する。 実験の結果,本提案は標準的な対人訓練の堅牢性を高めることが示唆された。
  論文  参考訳（メタデータ） (2020-10-05T01:33:11Z)

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。