論文の概要: GreenPassport: Request-Level Carbon Accounting for Cross-Border AI Inference
- arxiv url: http://arxiv.org/abs/2609.06784v2
- Date: Wed, 09 Sep 2026 12:05:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.305492
- Title: GreenPassport: Request-Level Carbon Accounting for Cross-Border AI Inference
- Title（参考訳）: GreenPassport: クロスボーダーAI推論のための要求レベルカーボン会計
- Abstract要約: 要求レベルの会計には、サービス、サービスサイト、ルート、ローカルコンパレータ、不確実性、データプロファイナンスといった共通の境界が必要です。
GreenPassport Carbon Accountingは、これらの入力とリクエストを関連付ける。
カーボンのサービスとルートを推定し、利用可能なドキュメントからレポートレベルを選択する。
- 参考スコア（独自算出の注目度）: 18.84281748075098
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI inference often crosses regional boundaries as prompts travel to remote data centers and generated tokens return to users. Regional averages cannot represent the resulting differences in serving hardware, electricity, and network delivery. Request-level accounting needs a common boundary for the service, serving site, route, local comparator, uncertainty, and data provenance. GreenPassport Carbon Accounting (GPCA) associates these inputs with each request. It estimates serving and route carbon, then selects a reporting level from the available documentation. Our public-data implementation covers data-center instances, accelerators, model families, electricity mixes, routes, and cloud-region carbon intensity. Against six accounting baselines and four energy-prediction baselines, GPCA reduced median absolute percentage error by 56.3\% and median absolute error by 15.5\% relative to EcoLogits under the aligned accelerator-energy boundary. It produced zero rule overstatement in the deterministic conformance tests. In the buyer case, the clean-electricity CN-West scenario produced $0.0148$ gCO$_2$e /request, 88\% below the local service at $0.1220$ gCO$_2$e /request.
- Abstract（参考訳）: AI推論は、リモートデータセンタへの移動を促し、生成されたトークンをユーザに返却するように、しばしば地域境界を越えている。
地域平均は、ハードウェア、電気、ネットワーク配信の結果として生じる違いを表現できない。
要求レベルの会計には、サービス、サービスサイト、ルート、ローカルコンパレータ、不確実性、データプロファイナンスといった共通の境界が必要です。
GreenPassport Carbon Accounting (GPCA)は、これらの入力とリクエストを関連付ける。
カーボンのサービスとルートを推定し、利用可能なドキュメントからレポートレベルを選択する。
当社の公開データ実装は、データセンターインスタンス、アクセラレーター、モデルファミリー、電力混合、ルート、クラウド領域の炭素強度をカバーしています。
6つの会計基準線と4つのエネルギー予測基準線に対して、GPCAは中央値の絶対パーセンテージ誤差を56.3 %、中央値の絶対誤差を15.5 %減らした。
決定論的適合性テストにおいて、ゼロルールオーバーステートメントを生成した。
買い手の場合、クリーンな電気のCN-Westシナリオは0.0148$gCO$_2$e /request, 88\%をローカルサービスより0.1220$gCO$_2$e /requestで生成した。
関連論文リスト
- Toward Explainable and Policy-Aware AI for Carbon Credit Price Prediction: A Research Framework for Emerging Carbon Markets [0.0]
炭素市場は排出量に価格を付けているが、その価格は予測しにくい。
EPA-CarbonNetは、ポリシー対応の説明と並行して、ポリシーテキストを相互注意と調整間隔で融合する。
結果はおおむね否定的であり、測定値として報告されている。
論文 参考訳（メタデータ） (2026-09-01T18:36:04Z) - Curvature-Aware Radius Shrinkage for Adaptive Nearest Neighbor Classification [52.452902154360565]
CARSANNは、局所的な幾何学的複雑さに応じて各地区の空間的支持を適応する幾何学駆動のフレームワークである。
70以上の実世界のOpenMLデータセットの実験は、CARSANNが標準の$k$-NNで一貫して改善されていることを示している。
論文 参考訳（メタデータ） (2026-08-27T19:19:07Z) - HetRoute Heterogeneous and Cost-aware Collaborative Routing Framework for Distributed Edge MoE Inference [47.0879800334801]
HetRouteは、分散エッジMoE推論のための異種コスト対応協調ルーティングフレームワークである。
HetRouteは平均推論遅延を59.0%、P99レイテンシを58.0%まで削減する。
論文 参考訳（メタデータ） (2026-08-01T10:30:01Z) - SLA-Constrained Carbon-Aware Routing in Geo-Distributed Serverless Clouds [2.738529585053154]
SLA対応領域内での最適炭素削減を実現するため, SLA制約付き炭素対応ルーティングポリシーを導入する。
実験結果から, SLA違反ゼロを維持しつつ, 最大46.8%の炭素削減を実現していることがわかった。
これらの結果から, クラウドシステムは, ユーザエクスペリエンスを損なうことなく, 大幅な炭素削減を達成できることが示唆された。
論文 参考訳（メタデータ） (2026-07-24T16:13:28Z) - Accounting for AI Inference in Corporate GHG Inventories: A Four-Tier Methodology for Scope 3 Category 1 Reporting [0.0]
AI推論サービスは、CSRD(Comporate Sustainability Reporting Directive)の下でScope 3 Category 1に該当する。
現在の慣行では、カテゴリーを完全に省略するか、ICTセクター全体に対して調整された一般的な経済的な入出力要素を適用している。
推定精度とデータ組織が現実的に得るデータとを一致させる4層フレームワークを提案する。
論文 参考訳（メタデータ） (2026-06-09T10:08:36Z) - ARBOR: Online Process Rewards via a Reusable Rubric Buffer for Search Agents [48.80766702702854]
LLMベースの検索エージェントは、主に結果のみの報酬で訓練され、検索プロセス自体は監督されていない。
この信号は、全てのサンプル軌跡が同じ正当性を共有する結果同質な群に対して退化し、群内の優位性はゼロとなり、勾配は得られない。
ARBOR(Adaptive Buffer for Online Reward)は,クエリ間で共有されるルーリックメモリを維持する再利用可能なプロセス・リワードフレームワークである。
論文 参考訳（メタデータ） (2026-06-02T06:58:54Z) - Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。
EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
論文 参考訳（メタデータ） (2026-05-28T09:45:47Z) - ARC-STAR: Auditable Post-Hoc Correction for PDE Foundation Models [47.9430487327673]
ARC-STARは修正を3段階にまとめる: グローバルな修正器は広い解法バイアスを除去し、ブロックワイドな局所精錬器はポストグロバル残差を浄化し、展開時にはラベルフリースコアは計算予算の下でハイリスクなブロックに精算する。
ARC-STARは、全ての細胞で生ポセイドンよりも少なくとも36倍の速度ロールアウト誤差を減少させる唯一の方法である。
論文 参考訳（メタデータ） (2026-05-21T09:26:16Z) - Market-Analysis-Driven Methodology for Assessing Charging Station Cybersecurity [40.49514998001192]
本稿では,局のサイバーセキュリティを国家レベルで評価するための,スケーラブルで外挿に基づく手法を提案する。
市場分析では、オペレーターと製造業者のペアを特定し、フィールドテスト用の充電ステーションのターゲット選択を可能にし、その結果を同じ組み合わせを共有するすべてのステーションに外挿することができる。
これは、我々の範囲で充電ステーションの27.4%しかTLSが保護する通信を提供していないことを示している。
論文 参考訳（メタデータ） (2026-05-21T08:22:20Z) - Training-Free Probabilistic Time-Series Forecasting with Conformal Seasonal Pools [0.0]
コンフォーマル・シーズン・プール(Conformal Seasonal Pools)は、訓練のない確率的時系列予測装置である。
CSPは、学習されたパラメータやトレーニングなしで、これらすべてを達成する。
論文 参考訳（メタデータ） (2026-05-05T14:16:35Z) - Standardized Methods and Recommendations for Green Federated Learning [4.07505182773706]
フェデレートラーニング(FL)は、プライバシに敏感な分散データに対する協調モデルトレーニングを可能にするが、その環境への影響は研究全体で比較することは困難である。
NVIDIA NVFlare と CodeCarbon を用いた FL CO2e 追跡のための実用的な炭素計数手法を提案する。
論文 参考訳（メタデータ） (2026-01-30T21:46:36Z) - CarbonX: An Open-Source Tool for Computational Decarbonization Using Time Series Foundation Models [5.5014759378304605]
CarbonXは、炭素強度の予測と計算のためのオープンソースのツールである。
平均絶対パーセンテージ誤差(MAPE)は世界214のグリッドで15.82%とゼロショットで予測されている。
13のベンチマークグリッドで、CarbonXのパフォーマンスは現在の最先端に匹敵する。
論文 参考訳（メタデータ） (2025-10-01T23:36:11Z) - Retrieval-Augmented Generation for Reliable Interpretation of Radio Regulations [49.671779378073886]
無線規制分野における質問応答について検討する。
本稿では,通信事業者固有のレトリーバル拡張生成(RAG)パイプラインを提案する。
当社のアプローチは,テスト対象モデル全体の生成精度を一貫して向上させる。
論文 参考訳（メタデータ） (2025-09-11T17:43:42Z) - Estimating On-road Transportation Carbon Emissions from Open Data of
Road Network and Origin-destination Flow Data [16.21501733814205]
我々は、オンロード二酸化炭素排出量推定(HENCE)のための階層的なグラフ学習法を構築した。
2つの大規模な実世界のデータセットの実験では、HENCEの有効性と、R-squared が 0.75 を超え、平均で 9.60% のベースラインを上回っていることが示されている。
論文 参考訳（メタデータ） (2024-02-07T13:51:33Z) - GreenFlow: A Computation Allocation Framework for Building
Environmentally Sound Recommendation System [16.314929735748223]
毎秒数十万のリクエストがある現実のシナリオでは、各リクエストに対してパーソナライズされた結果を推測するために、重要な計算が必要である。
提案するグリーンフローは, 推定における精度と二酸化炭素排出量の両立を考慮した, 実用的なアロケーションフレームワークである。
論文 参考訳（メタデータ） (2023-12-15T07:26:07Z) - Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language
Model [72.65502770895417]
176ビリオンパラメータ言語モデルBLOOMの炭素フットプリントを,そのライフサイクルにわたって定量化する。
BLOOMの最終訓練で約24.7トンのカルボネックが放出されたと推定する。
本稿では,機械学習モデルの炭素フットプリントを正確に推定することの難しさについて論じる。
論文 参考訳（メタデータ） (2022-11-03T17:13:48Z) - Measuring the Carbon Intensity of AI in Cloud Instances [91.28501520271972]
我々は,ソフトウェアの炭素強度を測定するための枠組みを提供し,運転中の炭素排出量を測定することを提案する。
私たちは、Microsoft Azureクラウドコンピューティングプラットフォームにおける排出削減のための一連のアプローチを評価します。
論文 参考訳（メタデータ） (2022-06-10T17:04:04Z)
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。