論文の概要: After Cheap Discovery: From unknown to known-and-unfixed

• arxiv url: http://arxiv.org/abs/2609.03266v2
• Date: Fri, 04 Sep 2026 19:55:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-09 14:43:41.8285
• Title: After Cheap Discovery: From unknown to known-and-unfixed
• Title（参考訳）: チープ・ディスカバリーのあと:未知から未知へ、そして未修正へ
• Abstract要約: 脆弱性の発見は、ほとんどのソフトウェアを保護した専門家の注意の欠如を排除した。 反応は発見と修理に集中しており、どちらも安くなっている。 この記事は、どちらのコスト曲線も露光を決定しないと主張している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated vulnerability discovery has removed the scarcity of expert attention that protected most software. The response has concentrated on discovery and on repair, and both are becoming cheaper. This article argues that neither cost curve determines exposure. What determines it is remediation coverage at the release decision: the fraction of identified vulnerabilities fixed before a product ships, and the residue of known, assessed, unremediated flaws an organisation has decided to ship with. Four arguments follow. The residue is not a random sample of what was found, because triage sorts on cost and the expensive cases are architectural. The deferred backlog is itself a high-value artifact. Documented awareness alters an organisation's legal and market position, and produces an adverse selection that the price of software does not reflect. And no regulatory instrument reaching vendors triggers on internal knowledge - every one fires on exploitation observed by a third party - which leaves the distance between what a vendor knows and what it must disclose entirely at the vendor's discretion. CISA's Binding Operational Directive 26-04 is examined as the exception that shows what a solution requires: a regulator's reach over a decision is bounded by its visibility of the input to that decision, so a duty attaching to internal knowledge needs an independent record of that knowledge to attach to. Release coverage is not currently measured, and measuring it is the precondition for liability, insurance or procurement to act.
• Abstract（参考訳）: 脆弱性の自動発見は、ほとんどのソフトウェアを保護した専門家の注意の欠如を排除した。 反応は発見と修理に集中しており、どちらも安くなっている。 この記事は、どちらのコスト曲線も露光を決定しないと主張している。 製品が出荷される前に修正された特定脆弱性のごく一部と、組織が出荷することを決定した既知の、評価されていない欠陥の残余である。 4つの議論が続く。 残余は、見つからなかったもののランダムなサンプルではない。なぜなら、三重項はコストがかかり、高価なケースはアーキテクチャであるからである。 遅延バックログはそれ自体が価値の高いアーティファクトです。 ドキュメント化された認識は、組織の法的および市場的な位置を変え、ソフトウェアの価格が反映しないような有害な選択を生み出します。 そして、ベンダーに到達した規制手段は、ベンダの内部知識をトリガーする — サードパーティが監視する搾取に火をつけます — ベンダが知っているものと、ベンダの判断で完全に開示しなければならないものとの距離を残します。 CISAのBinding Operational Directive 26-04は、ソリューションが何を必要とするかを示す例外として検討されている: 決定に対する規制当局の到達範囲は、その決定に対する入力の可視性によって制限されているため、内部知識に付随する義務は、その知識をアタッチする独立した記録を必要とする。 リリースカバレッジは現時点では測定されておらず、その測定は責任、保険、調達の前提条件である。

関連論文リスト

• Watermarks Without Verification: AI Text Watermarking After the EU AI Act [49.51124343181601]
  EU AI法第50条では、生成可能なAIプロバイダに対して、システムが生成したコンテンツをマークし、AI生成として検出することを要求している。 Anthropicは、その日後にリリースされたすべてのClaudeモデルが、すべての生成されたテキストにSynthID-Textに基づく透かしを埋め込んでいることを公表した。 我々は、現在、異議や保証は確認できないし、この不信は、それ自体を透かしではなく、実質的なガバナンスの失敗であると論じている。
  論文  参考訳（メタデータ） (2026-09-09T01:56:17Z)
• AUDITA: certified auditing and causal attribution of adverse outcomes in autonomous multi-agent systems [6.628624625332095]
  AUDITAは、段階的な因果帰属エンジンと、すべてのエージェント間コマンドのタンパー・エビデント・レコードをペアリングする監査層である。 これにより、標準審査基準の責任エラーをおよそ3倍に減らす。 ライブ言語モデルパイプラインでは、標準判断基準の責任エラーをおよそ3倍に削減する。
  論文  参考訳（メタデータ） (2026-08-23T01:22:09Z)
• SARC-DQ: Runtime Data-Quality Gating for Agentic AI: Silent Evidence Defects, the Incompetence Shield, and Downstream-Only Remediation [0.0]
  最も危険なエンタープライズの欠陥はメタデータに依存している。 有能なエージェントは、注入されたメタデータに作用する欠陥を、約60%のコストのかかるアクションに変換する。 下流のみのメタデータ対応のプリアクションゲートは、その述語カバーの信号で完全に損失を回復する。
  論文  参考訳（メタデータ） (2026-07-28T22:22:52Z)
• Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs [0.0]
  小作農の絵ベースの農業保険では、被害検出の欠落は誤報よりもかなり高いコストがかかる。 本稿では,2段階のカスケードアーキテクチャであるCascadeCropNetを提案する。 軽量のセンチネルモデルでは2値の健康トリアージを行い、キャリブレーションされた損傷確率閾値タウを超えるサンプルを専門家モデルにエスカレーションして詳細な診断を行う。
  論文  参考訳（メタデータ） (2026-07-28T09:01:27Z)
• Mark, Don't Erase: Token Inoculation for Dual-Use Knowledge in LLMs [54.96236442484317]
  リスクのある知識はモデルに保持でき、特権制御トークンによって行動的に守られることを示す。 Token Inoculation という手法はバインディング・アンド・ブランチ方式を導入している。
  論文  参考訳（メタデータ） (2026-07-21T02:15:39Z)
• A Calculus of Discernment: Decision-Relevant Insight, Sequence Value, and Forgetting as Higher-Order Learning [0.0]
  生成AIの世界では、候補となる洞察が豊富です。 不足しているのは、どれが重要かを識別し、正しい量と順序で行動し、残りを忘れる能力である。 最も投機的であるAPOHAは、忘れることが知識の廃棄ではなく、その価値が学習される演算子であるとする理論である。
  論文  参考訳（メタデータ） (2026-06-17T13:18:49Z)
• 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)
• FIKA-Bench: From Fine-grained Recognition to Fine-Grained Knowledge Acquisition [54.31138496553705]
  日常生活におけるきめ細かい認識は、しばしばクローズドブックの分類問題ではない。 既存のベンチマークは主に視覚的認識を評価しており、このアクティブな外部知識獲得能力は過小評価されている。 そこでは,システムが外部の証拠を探し,検証し,利用し,オープンエンドのきめ細かい認識質問に答えなければならない,きめ細かな知識獲得について検討する。
  論文  参考訳（メタデータ） (2026-05-13T08:49:51Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• From Sycophancy to Sensemaking: Premise Governance for Human-AI Decision Making [0.0]
  低フリクションアシスタントはサイコファンになり、暗黙の仮定を叩き、検証コストを専門家に押し付ける。 我々は、信頼できる人間とAIのパートナーシップには、回答生成から共同前提ガバナンスへの移行が必要であると主張している。
  論文  参考訳（メタデータ） (2026-02-02T17:42:54Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• Language Models Can Reduce Asymmetry in Information Markets [100.38786498942702]
  我々は、言語モデルを利用した知的エージェントが外部参加者に代わって情報を売買する、オープンソースのシミュレートされたデジタルマーケットプレースを紹介した。 このマーケットプレースを実現する中心的なメカニズムはエージェントの二重機能であり、特権情報の品質を評価する能力を持つと同時に、忘れる能力も備えている。 適切に行動するためには、エージェントは合理的な判断をし、生成されたサブクエリを通じて市場を戦略的に探索し、購入した情報から回答を合成する必要がある。
  論文  参考訳（メタデータ） (2024-03-21T14:48:37Z)
• Temporal Difference Uncertainties as a Signal for Exploration [76.6341354269013]
  強化学習における探索の効果的なアプローチは、最適な政策に対するエージェントの不確実性に依存することである。 本稿では,評価値のバイアスや時間的に矛盾する点を強調した。 本稿では,時間差誤差の分布の導出に依存する値関数の不確かさを推定する手法を提案する。
  論文  参考訳（メタデータ） (2020-10-05T18:11:22Z)

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。