論文の概要: Who Bears the Risk When Generative AI Enters Transport? A Distributional Sociotechnical Audit of Algorithmic Equity, Synthetic-Data Validity, and Public Trust
- arxiv url: http://arxiv.org/abs/2609.11611v1
- Date: Thu, 10 Sep 2026 14:29:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.398845
- Title: Who Bears the Risk When Generative AI Enters Transport? A Distributional Sociotechnical Audit of Algorithmic Equity, Synthetic-Data Validity, and Public Trust
- Title（参考訳）: 生成AIが輸送に入るリスクを負うのは誰か? アルゴリズムの等価性、合成データの有効性、そして公共信頼の分散社会技術監査
- Abstract要約: ジェネレーティブ人工知能は、旅行者向けアドバイザリー、総合的なクラッシュ記録生成、および政策決定支援を通じて輸送に参入している。
本研究では,アルゴリズムの等価性,合成データの妥当性,公開態度をひとつの経験的パイプラインに統合する分散監査手法を開発した。
- 参考スコア（独自算出の注目度）: 1.089614199781423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative artificial intelligence is entering transportation through traveler-facing advisories, synthetic crash-record generation, and policy decision support. Existing governance frameworks lack transport-specific statistical tools to measure distributional risks across heterogeneous populations. We develop a Distributional Sociotechnical Audit (DSA) that integrates algorithmic equity, synthetic-data validity, and public-attitude heterogeneity into one empirical pipeline. The audit analyzes 5,760 persona-controlled queries to four LLM families across 12 demographic cues and four transport topics, uses two cross-family judges and a Wasserstein-2 Equity Dispersion Index, tests three FARS crash-record generators with conditional projected maximum mean discrepancy (cpMMD), fits a Bayesian ordered-logit model to Pew American Trends Panel Wave 152 (N = 4,538), and combines the signals into a continuous Sociotechnical Risk Index. Congestion-pricing advice has the highest persona-based dispersion (mean EDI = 1.96; highest direct EDI = 2.20). CART synthetic crash records fail all conditional tests (p < 0.001), while the Gaussian copula has borderline conditional stress (p = 0.105) despite passing marginal checks. Attitudes to AI vary across demographic strata. Distributional audits and continuous risk indices with sensitivity reporting offer a more defensible basis for transport GenAI governance than categorical approval tiers, which show a 75% assignment flip rate under weight perturbation.
- Abstract（参考訳）: ジェネレーティブ人工知能は、旅行者向けアドバイザリー、総合的なクラッシュ記録生成、および政策決定支援を通じて輸送に参入している。
既存のガバナンスフレームワークには、異種集団の分布リスクを測定するためのトランスポート固有の統計ツールがない。
本研究では, アルゴリズムの等価性, 合成データの妥当性, 公開態度の不均一性を1つの経験的パイプラインに統合する分散社会技術監査(DSA)を開発した。
監査は、12の人口統計的手がかりと4つの輸送トピックからなる4つのLMファミリーに対する5,760のペルソナ制御クエリを分析し、2人の家族の裁判官とWasserstein-2 Equity Dispersion Indexを使用し、条件付き最大平均誤差(cpMMD)を持つ3つのFARSクラッシュレコードジェネレータをテストし、ベイジアン順序ログモデルをピュー・アメリカントレンドパネル・ウェーブ152(N = 4,538)に適合させ、シグナルを社会技術的リスク指標に結合させる。
混雑価格のアドバイスは、ペルソナに基づく分散が最も高い(平均EDI = 1.96、最高直接EDI = 2.20)。
CART合成クラッシュ記録は全ての条件テスト (p < 0.001) に失敗し、ガウスコプラは境界条件ストレス (p = 0.105) を持つ。
AIに対する態度は、人口層によって異なる。
センシティブな報告を伴う流通監査と継続的なリスク指標は、分類的承認層よりもGenAIガバナンスをより保護可能な基盤を提供し、重量摂動下での割当フリップ率75%を示している。
関連論文リスト
- Cloud-Native Evaluation-as-a-Service: A Microservices Architecture for Scalable AI Monitoring with Conformal Guarantees [4.262007271558123]
我々は、AI評価手法を6つのステートレスメソッドとして運用する、クラウドネイティブな参照アーキテクチャであるEを紹介する。
Eは、有限サンプル補正適応予測セットによる共形予測、キャリブレーションアセスメント、RFF近似平均不一致によるドリフト検出、ブートストラップ信頼区間によるフェアネスモニタリング、DAGベースのパイプラインオーケストレータ、結果記憶APIを含む。
論文 参考訳（メタデータ） (2026-07-04T01:39:59Z) - Synthetic Network Packet Generation through Statistical Learning and Genetic Algorithms [6.42094170804706]
本稿では,合成IoTネットワークパケット生成のための2つの制約付きアプローチを提案し,比較する。
ACI IoT 2023データセットの完全な評価は、両方のメソッドがすべてのカテゴリにわたるPASSステータスを達成することを示している。
論文 参考訳（メタデータ） (2026-06-18T18:52:51Z) - LegalHalluLens: Typed Hallucination Auditing and Calibrated Multi-Agent Debate for Trustworthy Legal AI [0.0]
LegalHalluLensは、法的なAIの監査フレームワークである。
型付きプロファイルと、メトリクスを集約するRDIサーフェス障害モードが隠れています。
このフレームワークは、方向対応の調達、説明責任、エージェント設計をサポートする。
論文 参考訳（メタデータ） (2026-06-16T15:02:37Z) - Output Type Before Quality: A Standards-Derived XAI Admissibility Rubric for Autonomous-Driving Safety [0.4958589793470846]
MLベースの自律運転の安全基準は、保証事例が含まなければならない証拠の種類を規定している(直接因果連鎖、定量化された介入効果、根因変数)。
しかし、XAI文献は出力型と技法系(相性マップ、特徴属性、反事実、因果グラフ、言語トレース)で整理されている。
私たちはこのミスマッチをエビデンスタイプのギャップと呼んでいます。
安全保証のためのXAI手法の選択は,メソッドの人気ではなく,ライフサイクル段階のエビデンス要求によって行うべきである。
論文 参考訳（メタデータ） (2026-06-03T21:37:52Z) - 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) - Reliable Self-Harm Risk Screening via Adaptive Multi-Agent LLM Systems [6.14481021961242]
有向非巡回グラフ(DAG)として構造化されたマルチエージェントパイプラインの統計的枠組みを提案する。
我々は各エージェントをカテゴリー決定としてモデル化し、より厳密なエージェントレベルのパフォーマンス信頼境界を導入する。
本研究では,2つのラベル付きデータセットを用いた行動保健システムの評価を行った。
論文 参考訳（メタデータ） (2026-04-24T01:52:54Z) - Sanity Checks for Agentic Data Science [43.38296659030703]
エージェントデータサイエンス(ADS)パイプラインは、能力と採用の両方で急速に成長している。
これらのシステムは、ユーザーが検出するのが困難である誤った楽観的な結論に達する可能性がある。
予測可能性-計算可能性-安定性フレームワークを基盤とした,2つの軽量な正当性チェックを提案する。
論文 参考訳（メタデータ） (2026-04-13T05:11:28Z) - How Independent are Large Language Models? A Statistical Framework for Auditing Behavioral Entanglement and Reweighting Verifier Ensembles [46.63622714488747]
共有事前学習データ、蒸留、アライメントパイプラインは、隠れた振る舞い依存、潜伏絡みを誘導することができる。
実際には、これは相関した推論パターンと同期された障害として現れます。
ブラックボックス言語モデル間の行動絡みを監査するための統計的枠組みを開発する。
論文 参考訳（メタデータ） (2026-04-08T23:32:06Z) - Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。
内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
論文 参考訳（メタデータ） (2026-03-13T20:44:15Z) - Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。
textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文 参考訳（メタデータ） (2026-03-10T04:07:39Z) - Unsupervised Anomaly Detection in Multi-Agent Trajectory Prediction via Transformer-Based Models [45.08545174556591]
マルチエージェントトランスを用いた教師なし異常検出フレームワークを提案する。
検出安定性と物理的アライメントの両方を評価するための二重評価手法が提案されている。
本フレームワークでは,時間対衝突および統計ベースラインに欠落した388個の特異な異常を同定する。
論文 参考訳（メタデータ） (2026-01-28T08:33:10Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z)
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。