Fugu-MT 論文翻訳(概要): What Would it Cost to End Extreme Poverty?

論文の概要: What Would it Cost to End Extreme Poverty?

arxiv url: http://arxiv.org/abs/2609.02013v1
Date: Wed, 02 Sep 2026 02:41:48 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-03 17:53:18.033529
Title: What Would it Cost to End Extreme Poverty?
Title（参考訳）: 極度の貧困を終わらせるのに何の費用がかかるのか?
Abstract要約: 我々は、貧困率を1%(基準の13%から)に引き下げるには、年間211億ドルかかると見積もっている。これは総貧困格差の4.0倍の減少であるが、総収入の19%に過ぎなかった。
参考スコア（独自算出の注目度）: 1.5565498035895329
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study poverty minimization via direct transfers, framing this as a statistical learning problem while retaining the information constraints faced by real-world programs. Using nationally representative household consumption surveys from 34 countries that together account for 76% of the world's poor, we estimate that reducing the poverty rate to 1% (from a baseline of 13%) would cost $211 B nominal per year. This is 4.0 times the corresponding reduction in the aggregate poverty gap, but only 19% of the cost of universal basic income. Extrapolated globally, the results imply a cost of 0.28% of global GDP to (approximately) end extreme poverty.
Abstract（参考訳）: 我々は、直接転送による貧困の最小化について研究し、現実のプログラムが直面する情報制約を維持しながら、これを統計的学習問題とみなす。世界の貧困の76%を占める34カ国の国別世帯消費調査から、貧困率を1%(基準13%)に引き下げるには、年間211億ドルの名目的費用がかかると見積もられている。これは総貧困格差の4.0倍の減少であるが、総収入の19%に過ぎなかった。その結果、世界のGDPの0.28%が(ほぼ)極端な貧困を終わらせることになる。

関連論文リスト

FedLoDrop: Federated LoRA with Dropout for Generalized LLM Fine-tuning [65.26899091946417]
大規模言語モデル(LLM)は、特定のタスクに汎用モデルを適用するために不可欠である。本稿では,FedLoDropを用いたFederated LoRAを提案する。FedLoDropは,Federated LoRAのトレーニング可能な行列の行と列にドロップアウトを適用する新しいフレームワークである。
論文参考訳（メタデータ） (2025-10-14T02:40:45Z)
Linear Regression under Missing or Corrupted Coordinates [58.9213131489513]
我々は,コーディネート的な予算の下で,敵によってデータの破損や消去を行う方法について検討する。不完全なデータ設定では、敵はデータセットを検査し、最大1座標あたりのサンプルの$eta$-fractionのエントリを削除することができる。破損したデータ設定では、敵は代わりに任意に値を置換し、その汚職位置は学習者にとって未知である。
論文参考訳（メタデータ） (2025-09-23T17:01:43Z)
Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression [66.93988594607842]
プライバシー制約の下では、プライベート線形回帰の複雑さは通常の共分散行列によって捉えられる。最適率を達成するための情報重み付け回帰手法を提案する。特に、我々の結果は、共同プライバシーは追加費用がほとんどないことを示している。
論文参考訳（メタデータ） (2025-02-18T18:35:24Z)
On the Necessity of Collaboration for Online Model Selection with Decentralized Data [53.244188985271606]
我々は,100万ドル以上の分散データを用いたオンラインモデル選択について検討し,クライアント間のコラボレーションの必要性について検討する。 i) クライアント上の計算コストが$o(K)$に制限された場合, (ii) クライアント上での計算制約がない場合, (i) 協調は不要であり, (ii) クライアント上での計算コストは$o(K)$に制限される。
論文参考訳（メタデータ） (2024-04-15T06:32:28Z)
Can Poverty Be Reduced by Acting on Discrimination? An Agent-based Model for Policy Making [6.749750044497731]
Aporophobia Agent-Based Model (AABM) を提示し、アポロフォビアと貧困の相関性を示す。我々は政策を貧困層に対する差別的または非差別的と分類する。 AABMの結果を、富の不平等への影響の観点から観察する。
論文参考訳（メタデータ） (2024-03-03T19:59:42Z)
The crime of being poor [7.586041161211335]
本論文は、英語圏8カ国のパネルにおいて、犯罪嫌悪バイアスのレベルを定量化する。異なる地理的位置における犯罪・犯罪偏見の観察率の変化は、文化的要因に影響される可能性がある。
論文参考訳（メタデータ） (2023-03-24T16:35:42Z)
Novel Machine Learning Approach for Predicting Poverty using Temperature and Remote Sensing Data in Ethiopia [0.0]
貧困データの欠如は、重要な人道的組織が大規模な危機に対応するのを妨げている。本研究では,表面温度変化とリモートセンシングデータに基づく移動学習モデルを提案し,貧困率の予測に有用な特徴を抽出する。
論文参考訳（メタデータ） (2023-02-28T18:32:16Z)
Graph-based Village Level Poverty Identification [52.12744462605759]
Webインフラストラクチャとそのモデリングツールの開発は、貧しい村を識別するための新しいアプローチを提供する。地理的距離を通して村の接続をグラフとしてモデル化することにより,村の貧困状況とグラフトポロジ的位置との相関関係を示す。貧しい村を識別する最初のグラフベース手法を提案する。
論文参考訳（メタデータ） (2023-02-14T06:58:40Z)
Fundamental Limits of Communication Efficiency for Model Aggregation in Distributed Learning: A Rate-Distortion Approach [54.311495894129585]
本研究では,分散学習におけるモデルアグリゲーションの通信コストの限界について,速度歪みの観点から検討する。 SignSGDでは,ワーカノード間の相関を利用した通信利得が重要であることがわかった。
論文参考訳（メタデータ） (2022-06-28T13:10:40Z)
Micro-Estimates of Wealth for all Low- and Middle-Income Countries [14.717329936263672]
2.4kmの解像度で135か所の低所得国と中所得国の人口を包含する富と貧困の最初のマイクロ見積もりを開発した。この推定は、衛星、携帯電話ネットワーク、地形地図、およびFacebookの集合的および非特定接続データからの膨大なおよび異種データに機械学習アルゴリズムを適用することによって構築される。
論文参考訳（メタデータ） (2021-04-15T20:37:46Z)
High-Resolution Poverty Maps in Sub-Saharan Africa [0.0]
本稿では、村レベルで貧困マップを作成するための一般化可能な予測手法を提案する。提案手法をサハラ以南の25か国で検証し,調査データと比較した。
論文参考訳（メタデータ） (2020-09-01T16:23:43Z)
Generating Interpretable Poverty Maps using Object Detection in Satellite Images [80.35540308137043]
衛星画像に物体検出装置を適用することにより、局所レベルでの貧困を正確に予測するための解釈可能な計算手法を実証する。対象物の重み付けを特徴として、ウガンダの村レベルの貧困を予測する0.539 Pearson's r2を達成し、既存の(解釈不可能でない)ベンチマークよりも31%改善した。
論文参考訳（メタデータ） (2020-02-05T02:50:01Z)

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。