論文の概要: When Can a Machine Trust a Statute? A Survival Certificate for Machine-Extracted Legal Logic
- arxiv url: http://arxiv.org/abs/2609.01741v1
- Date: Tue, 01 Sep 2026 18:08:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-03 17:53:17.802219
- Title: When Can a Machine Trust a Statute? A Survival Certificate for Machine-Extracted Legal Logic
- Title（参考訳）: 機械が法令を信頼できるのはいつか? 機械抽出法論理の生存証明書
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Statutes are increasingly parsed by machines before people read them, and the parsers disagree: on Missouri's statutes, two independently written extractors diverge on numeric-threshold presence at a false-negative rate of 0.43. We ask what formal logic survives such noise. We build a passive survival certificate for the Duquenne-Guigues implication basis of machine-extracted statutory contexts: per-attribute inter-extractor disagreement is measured, replayed against the basis in 1,000 Monte Carlo trials, and an implication is certified only when a one-sided Wilson 95% lower bound on survival reaches 0.95; every certified implication carries premise spans and a minimal counterexample. On 29,365 Missouri sections and 502 Indian central-Act sections, the preregistered held-out gate passes (10 statute families across 7 Titles exact; 16 across 11 with 5% tolerance), yet under one globally deployed error model 93.2% of held-out chapters fall below the informativeness floor, and a 2x2 factorial assigns that to calibration-rate transfer, not selection. The certificate is usable but fragile: deploy it per-chapter-calibrated or error-tolerant. Code, data products, and the audit trail, including one retracted claim, are released.
- Abstract（参考訳）: ミズーリ州の法律では、2つの独立して書かれた抽出器は、偽陰性率0.43で数値の保有率で発散する。
形式論理がそのような騒音を生き残るか尋ねる。
我々は,Dukenne-Guiguesによる機械抽出法コンテキストに基づく受動的生存証明書を構築する: 抽出者間不一致を計測し,1000モンテカルロ試験において基準に反し,一方通行の Wilson 95% の生存限界が 0.95 に達した場合にのみ含意が証明される; 認定されたすべての含意は前提範囲と最小の反例を含む。
29,365のミズーリ地区と502のインド中部地区では、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の家族、5%の耐性を持つ11に16の家族)があるが、グローバルに展開されたエラー・モデルでは93.2%のホールトアウト・チャプターが情報伝達フロアより下にあり、2x2のファクターが選別ではなくキャリブレーション・レート・トランスファーを割り当てている。
証明書は使用可能だが、脆弱である。
コード、データ製品、および1つの取り下げられたクレームを含む監査証跡がリリースされている。
関連論文リスト
- VeriPhy: Agentic Physical Reasoning for World Model Evaluation and Refinement [57.86962208273888]
テキストのみのプランナが入力された物理義務にプロンプトをコンパイルする監査可能な物理検証システムを提案する。
それぞれのアクションは、ペイロードがタイプされた測定か、明示的にタグ付けされた学習状態である証明付きエビデンスレコードを返す。
我々は, 実発生障害を即時参照, 空間, 時間でローカライズする, 1500クリックの欠陥記録のコーパスにおいて, 評価をアンロックする。
論文 参考訳（メタデータ） (2026-09-02T20:36:45Z) - MaliciousSkillBench: A Comprehensive Benchmark for Malicious Agent Skill Detection [24.37473229751569]
MaliciousSkillBenchは、悪意のあるエージェントスキル検出のための包括的なベンチマークである。
我々は13の公開ソースを統合し、そのうち11つはCoreの悪意のあるアーティファクトに貢献し、8,414の生の悪意のあるレコードを7,539の正規化されたユニクティックIDに減らした。
そして、3つの学習されたテキスト検出器と3つの既製のスキルスキャナを評価した。
論文 参考訳（メタデータ） (2026-08-20T11:13:00Z) - Agent Behavioral Contracts II: Certifying Compositional Reliability Without Assuming Independence [0.0]
1つのモデルの2つの例は、2つのエージェントのハンドオフにおいて、ミッションの90.0%で共失敗する。
異なるモデルの置換は、6つのコントラストのうち6つのコントラストの関連を減少させる。
論文 参考訳（メタデータ） (2026-08-13T07:25:05Z) - Judging Is Not Enumerating: Silent Omissions in LLM-Authored Acceptable Sets [13.85834524293015]
私たちは、ロールが想定する能力を測定し、通常、ロールが配置されるプロトコルの下でそれを欠いていることを見つけます。
モデルは、その候補がセット自体の作者よりもはるかに優れているかどうかを判断する。
論文 参考訳（メタデータ） (2026-08-02T05:00:44Z) - Auditable Release Control for Pedagogical Leakage in LLM Tutors [0.0]
大規模な言語モデルチューターは、その開示が承認される前に答えや決定的な推論を明らかにするのに役立ちます。
我々は、この状態および行動依存的障害を、教育的漏洩認識認可として定式化し、完全修復境界を導入する。
グローバルA1は0の多数と54のユーティリティフラグを獲得し、自動安全と実用性において適合Qを上回っている。
論文 参考訳（メタデータ） (2026-08-01T08:24:30Z) - Looping Is Not Reliability: State-Bound Evidence and Typed Revision Contracts for Agentic Code Repair [36.56438114281786]
正しいパッチの発見と保持、検証、提出のギャップについて検討する。
我々はエビデンスバウンド型ループ契約を導出し、その機械的に強制可能なサブセットを参照実装でインスタンス化する。
論文 参考訳（メタデータ） (2026-07-27T16:05:23Z) - Has This Checkpoint Been Abliterated? A Two-Signal Audit and Its Failure Map [0.676855875213031]
我々は2つの安価な内部信号、基準アンコール型アクティベーションリフレクションギャップと、基準-候補重み差の重み回復エネルギーをしきい値のないチェックポイント監査に組み合わせた。
Qwen、DeepSeekで蒸留されたQwen、Llama、Gemmaにまたがる273のチェックポイントレジストリ上で、当社のz-sumは、37の良質なファイントゥーン、マージ、命令テューンから57の公的な省略をAUROC 0.95で分離しています。
監査は効果的なトリアージであり、改ざんを防ぎません。それは証明されていない参照を仮定し、そのクレームは評価したレジストリによって境界づけられます。
論文 参考訳（メタデータ） (2026-07-02T08:15:25Z) - Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents [45.148328075418156]
デプロイされた多ターン食品・飲料注文エージェントについて検討し,実際の品質問題の数を測定した。
私たちの盲点分類は、失敗はランダムではなく構造化されていることを示している。
プロダクションマルチターンエージェントでは、自動判断はリグレッションフロアであり、人間のレビューの代わりにはならない。
論文 参考訳（メタデータ） (2026-06-09T02:11:01Z) - Hierarchical Certified Semantic Commitment for Byzantine-Resilient LLM-Agent Collaboration [30.310793549183117]
本稿では,BFTにインスパイアされたプロトコルH-CSC(Hierarchical Certified Semantic Commitment)を紹介する。
H-CSCはBFT対応バケット(0.31から2.04度)に低角偏差でコミットし、意図したようにBFTを超えるラウンド(n3f+1)の100%を中止する。
論文 参考訳（メタデータ） (2026-06-05T14:35:58Z) - Hallucination as Exploit: Evidence-Carrying Multimodal Agents [10.441697487723568]
マルチモーダルエージェントはますます、スクリーンショットやドキュメント、Webページからツールコールを選択している。
本稿では,自由形式モデルテキストを不許容な証拠として扱うエビデンス搬送型マルチモーダルエージェント(ECA)を提案する。
ECAは不透明なモデルの信念を検証者、スキーマ、実装レベルで監査可能な残留物に変換する。
論文 参考訳（メタデータ） (2026-05-18T23:40:43Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - When No Benchmark Exists: Validating Comparative LLM Safety Scoring Without Ground-Truth Labels [34.86529553336423]
多くのデプロイメントは、関連する言語、セクター、または規制体制のためにラベル付きベンチマークが存在する前に、安全のために候補言語モデルを比較する必要がある。
我々は、この設定をベンチマークレス比較安全スコアとして定式化し、シナリオベースの監査をデプロイ証拠として解釈できる契約を指定する。
スコアは固定されたシナリオパック、ルーリック、監査、審査、サンプリング設定、再実行予算でのみ有効である。
論文 参考訳（メタデータ） (2026-05-07T17:56:41Z) - A Coin Flip for Safety: LLM Judges Fail to Reliably Measure Adversarial Robustness [57.510025257780306]
既存の検証プロトコルは、レッドチーム固有の分散シフトを考慮できないことを示す。
我々は、より一貫して判断可能な振る舞いのベンチマークであるReliableBenchと、判断失敗を公開するために設計されたデータセットであるJiceStressTestを提案する。
論文 参考訳（メタデータ） (2026-02-04T15:13:35Z)
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。