論文の概要: Beyond Training: A Feasibility Taxonomy for Inference-Time AI Governance
- arxiv url: http://arxiv.org/abs/2609.10105v1
- Date: Wed, 09 Sep 2026 12:37:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:09.027377
- Title: Beyond Training: A Feasibility Taxonomy for Inference-Time AI Governance
- Title（参考訳）: トレーニングを超えて - 推論時AIガバナンスのための可能性の分類法
- Abstract要約: 本稿では、規制対象がトレーニング実行から推論呼び出しに移行すると、どのメカニズムが利用可能かを問う。
我々は,監視,検証,実施にまたがる20の推論時間機構の実現可能性の分類法を開発した。
次に、2次元の敵モデルに対して分類を強調し、各メカニズムを4つのガバナンスシナリオにマッピングします。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Compute governance today is a governance of training: the thresholds, reporting requirements, and frontier-AI regimes now in force attach to training compute and treat the trained model as the regulatory unit. That picture is incomplete: capability increasingly migrates to the deployment stage through inference-time scaling, agentic scaffolding, and compression onto consumer hardware. This paper asks which mechanisms are available once the regulatory object shifts from the training run to the inference call. We develop a feasibility taxonomy of twenty inference-time mechanisms across monitoring, verification, and enforcement, each rated on a four-point readiness scale against a documented four-vendor evidence base. We then stress the taxonomy against a two-dimensional adversary model (three capability tiers crossed with four adversary roles) and map each mechanism to four governance scenarios (domestic regulation, bilateral or multilateral coordination, industry self-regulation, and compute-marketplace governance). Fifteen of the twenty mechanisms have commercial technical substrates in production today, although governance-grade assurance and adversarial robustness vary substantially. The adversary analysis shows that this readiness holds only against a cooperative deployer and a low-to-medium-capability user: no mechanism rates adequate against a high-capability state-level deployer, and fine-tuning removes the model-internal components of the enforcement cluster, although platform-external controls can persist. A substitution analysis connects the taxonomy to a companion hardware paper as a conditional substitution principle describing when inference-stage and hardware-stage mechanisms provide comparable regulatory coverage under stated conditions. A second-rater reliability check on a random subset of the readiness ratings returned a quadratic-weighted Cohen's kappa of 0.74.
- Abstract（参考訳）: 現在のコンピューティングガバナンスは、トレーニングのガバナンスである。しきい値、レポート要件、フロンティアAI体制は、現在、計算をトレーニングし、トレーニングされたモデルを規制単位として扱います。
キャパシティは、推論時間のスケーリング、エージェントスキャフォールディング、およびコンシューマハードウェアへの圧縮を通じて、デプロイステージへの移行がますます進んでいる。
本稿では、規制対象がトレーニング実行から推論呼び出しに移行すると、どのメカニズムが利用可能かを問う。
我々は、監視、検証、執行にまたがる20の推論時間機構の実現可能性の分類法を開発し、それぞれが文書化された4つのベンダーのエビデンスベースに対して4ポイントの即応性尺度で評価した。
次に、2次元の敵モデル(3つの能力層と4つの敵の役割が交わる)に対して分類を強調し、各メカニズムを4つのガバナンスシナリオ(国内規制、二元的または多元的調整、産業自己規制、計算市場ガバナンス)にマッピングする。
現在、20のメカニズムのうち15は商業的な技術基盤が生産されているが、ガバナンスグレードの保証と敵の堅牢性は大きく異なる。
プラットフォーム外制御は持続するが、高機能なステートレベルのデプロイに対して適切なメカニズムレートがなく、微調整により、実行クラスタのモデル内部コンポーネントが削除される。
代用分析は、推論段階およびハードウェアステージ機構が、規定された条件下で同等の規制範囲を提供するときの条件置換原理として、同種のハードウェアペーパーに分類を接続する。
準備性評価のランダムなサブセットに対する第2の信頼性チェックでは、二次重み付きコーエンのカッパの0.74が返却された。
関連論文リスト
- Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
この介入点付近で成長した保護パラダイムについて検討する。
ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。
我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
論文 参考訳（メタデータ） (2026-08-05T00:46:50Z) - Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - CyberAId: AI-Driven Cybersecurity for Financial Service Providers [0.7279162155456086]
モデルに依存しない,オンプレミスでデプロイ可能なプラットフォームであるCyberAIdについて紹介する。
論文 参考訳（メタデータ） (2026-05-03T14:15:11Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - Harness as an Asset: Enforcing Determinism via the Convergent AI Agent Framework (CAAF) [0.0]
大規模言語モデルは、安全クリティカルエンジニアリングにおける制御可能性のギャップを生み出します。
本稿では,エージェントをオープンループ生成からクローズループフェールセーフ決定性に移行するConvergent AI Agent Framework(CAAF)を紹介する。
CAAFの3つの柱は相補的な故障面に対処し、コモディティコストで制御可能性ギャップを閉じることはない。
論文 参考訳（メタデータ） (2026-04-18T15:15:09Z) - Hardware-Level Governance of AI Compute: A Feasibility Taxonomy for Regulatory Compliance and Treaty Verification [0.0]
本稿では、20のハードウェアレベルのガバナンス機構の分類法を提案することにより、AIガバナンスとコンピュータエンジニアリングのギャップを埋める。
各メカニズムについて、技術的記述、実現可能性評価、敵の脆弱性の識別を提供する。
論文 参考訳（メタデータ） (2026-04-06T14:26:14Z) - Self-Evolving Coordination Protocol in Multi-Agent AI Systems: An Exploratory Systems Feasibility Study [0.0]
自己進化コーディネーションプロトコル(SECP)
SECP: 限定的で、外部から検証された自己修正を可能にする調整プロトコル。
本稿では,自己進化コーディネーションプロトコルの探索システムの実現可能性について述べる。
論文 参考訳（メタデータ） (2026-02-02T14:45:04Z) - The Agentic Regulator: Risks for AI in Finance and a Proposed Agent-based Framework for Governance [6.107950696680386]
現在のモデルリスクフレームワークは、静的で明確に定義されたアルゴリズムとワンタイム検証を前提としている。
我々はこれらの技術を、複数の時間スケールに沿って伝播する分散アンサンブルとしてモデル化する。
我々は、監視を「規制ブロック」の4つの層に分解するモジュラーガバナンスアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-12-12T05:57:32Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - Conformal Policy Learning for Sensorimotor Control Under Distribution
Shifts [61.929388479847525]
本稿では,センサコントローラの観測値の分布変化を検知・応答する問題に焦点をあてる。
鍵となる考え方は、整合量子を入力として取ることができるスイッチングポリシーの設計である。
本稿では, 基本方針を異なる特性で切り替えるために, 共形量子関数を用いてこのようなポリシーを設計する方法を示す。
論文 参考訳（メタデータ） (2023-11-02T17:59:30Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳（メタデータ） (2020-04-19T18:00:58Z)
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。