論文の概要: SIRF: A Spec-Internalized Risk Foundation Model for Industrial Content Risk Control
- arxiv url: http://arxiv.org/abs/2609.11752v1
- Date: Thu, 10 Sep 2026 16:08:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.441749
- Title: SIRF: A Spec-Internalized Risk Foundation Model for Industrial Content Risk Control
- Title（参考訳）: SIRF : 産業コンテンツリスク管理のための仕様内包型リスクファンデーションモデル
- Abstract要約: 本稿では、プラットフォームの複雑なポリシーを内包するSIRF(Spec-Internalized Risk Foundation Model)を提案する。
超低レイテンシで予測のみのデプロイメントでは、ルールを高精度に適用する。
SIRFはツリーモデルの適応層として展開され(20%のミスペナル化サンプルが回収される)、低コストで凍結シナリオに転送される。
- 参考スコア（独自算出の注目度）: 6.033644084569457
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: For industrial content risk control, the real deployment constraint is not average accuracy but how much risk can be auto-handled under high precision and second-level latency. We present SIRF (Spec-Internalized Risk Foundation Model), which internalizes a platform's complex policies, synthesized without additional human annotation via EntiGraph, MAGA rewriting and account-level chain-of-thought (CoT), into the weights via continued pretraining (CPT), so rules are applied at high precision under an ultra-low-latency, verdict-only deployment. A controlled same-source comparison (Qwen3-8B-SFT vs. SIRF-8B-SFT, identical policy injection and verdict-only output form, differing only in policy-grounded CPT) attributes the gain to internalization: SIRF-8B-SFT reaches 71.3% Black Recall@P95, +15.1pp over the baseline, using only ~70M CPT tokens without harming general ability, and among included, logprob-available models under this interface it matches or exceeds far larger systems. SIRF is deployed as a tree-model adjudication layer (20% more mis-penalized samples recovered) and transfers to a freezing scenario at low cost (~70% relative mis-penalization reduction).
- Abstract（参考訳）: 産業的コンテンツのリスク管理では、実際のデプロイメントの制約は平均的な正確さではなく、高い精度と第2レベルのレイテンシで自動処理されるリスクの量です。
本稿では, SIRF (Spec-Internalized Risk Foundation Model) を, EntiGraph, MAGA書き換え, アカウントレベルのチェーン・オブ・シント (CoT) による追加の人的アノテーションなしに, プラットフォーム内の複雑なポリシーを内部化し, 継続事前トレーニング (CPT) による重み付けを行い, 超低遅延, 判定のみの展開において, 規則を高精度に適用する。
コントロールされた同一ソース比較(Qwen3-8B-SFT vs. SIRF-8B-SFT、同一のポリシーインジェクションとバリデーションのみの出力形式)は、内部化の利得を特徴としている: SIRF-8B-SFTはベースライン上で71.3%のBlack Recall@P95, +15.1ppに達し、一般的な能力を損なうことなく約70MのCPTトークンを使用する。
SIRFは木-モデル共役層(20%のミスペナル化サンプル回収)として展開され、低コストで凍結シナリオに移行する(相対的なミスペナル化低減率の約70%)。
関連論文リスト
- A Deployment-Oriented and Resource-Efficient Neuro-Symbolic Framework for Explainable DDoS Detection in Operational Technology Networks [1.202468381202799]
本稿では,資源制約環境下での堅牢なDDoS検出に特化して設計されたニューロシンボリック・フレームワークを提案する。
このフレームワークは、浅い決定木をシンボル成分としてゲートリカレントユニット(GRU)ニューラルネットワークを融合する。
ハイブリッドモデルは、3つの実世界のベンチマークDDoSデータセットで評価される。
論文 参考訳（メタデータ） (2026-08-17T16:18:15Z) - Taming the Implicit: Dual-Channel Risk-Aware Reinforcement Fine-Tuning for Continual Multimodal Post-Training [15.04239819634502]
顕著なタスク分布シフトの下では、代表的RFTアルゴリズムをまたいで忘れることが急速にエスカレートする。
本稿では,リスク対応政策最適化(RAPO)を提案する。
RAPOは、新しいタスクの競争力を保ちながら、RLOOのバックボーンに対する最後の忘れを79.8%削減する。
論文 参考訳（メタデータ） (2026-08-04T13:40:03Z) - Ratio-Variance Regularized Policy Optimization [64.95520246570446]
ポリシ比の分散を明示的に制約することは、信頼領域の制約に対する原則的な局所近似をもたらすことを示す。
本稿では,この制約を実装したR2bf VPO$(Ratio-Variance Regularized Policy Optimization)を紹介する。
論文 参考訳（メタデータ） (2026-05-26T09:53:42Z) - LLM Readiness Harness: Evaluation, Observability, and CI Gates for LLM/RAG Applications [51.56484100374058]
評価をデプロイメント決定ワークフローに変換するLLMおよびRAGアプリケーションのための準備性ハーネスを提案する。
このシステムは、最小限のAPI契約の下で、自動ベンチマーク、OpenTelemetryオブザーバビリティ、CI品質ゲートを組み合わせる。
チケットルーティングとBEIRタスクのハーネスを、完全なAzureマトリックスカバレッジで評価する。
論文 参考訳（メタデータ） (2026-03-28T18:03:32Z) - Soft-Label Governance for Distributional Safety in Multi-Agent Systems [4.726777092009554]
マルチエージェントAIシステムは、単独のエージェントが単独で生成しない突発的なリスクを示す。
本稿では,バイナリグッド/バッドラベルをemphsoft確率ラベルに置き換えるシミュレーションフレームワークSWARMを紹介する。
5シードのレプリケーションを持つ7つのシナリオでは、厳格なガバナンスは安全性を向上することなく、福祉を40%以上削減する。
論文 参考訳（メタデータ） (2026-03-19T00:56:09Z) - Safe RLHF Beyond Expectation: Stochastic Dominance for Universal Spectral Risk Control [12.053369001333058]
本稿では,予測コスト制約をFSD(First-Order Dominance)制約に置き換える,リスクに敏感なアライメントフレームワークを提案する。
RADは, 有効性を保ちながら, ベースラインよりも無害性を向上し, アウト・オブ・ディストリビューション評価においてより堅牢性を示す。
論文 参考訳（メタデータ） (2026-03-11T16:24:20Z) - 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) - DARC: Disagreement-Aware Alignment via Risk-Constrained Decoding [59.16244104797919]
本稿では,リスク制約付き復号法(DARC)*による分散アライメント(Disagreement-Aware Alignment)を提案する。
DARCは応答選択を、分布的に堅牢で、リスクに敏感な意思決定として捉えている。
アライメントベンチマークの実験では、DARCは競合平均品質を維持しながら、不一致と尾のリスクを低減する。
論文 参考訳（メタデータ） (2026-03-09T09:21:29Z) - Quantifying Return on Security Controls in LLM Systems [0.0]
本稿では、残留リスクを定量化するための意思決定指向フレームワークを提案する。
敵のプローブの結果を金融リスク推定と戻り制御の指標に変換する。
論文 参考訳（メタデータ） (2025-12-17T04:58:09Z) - Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
生成のための教師なし共形推論フレームワークを提案する。
我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。
その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
論文 参考訳（メタデータ） (2025-09-26T23:40:47Z) - Dual Risk Minimization: Towards Next-Level Robustness in Fine-tuning Zero-Shot Models [60.38983114420845]
本稿では、下流タスクのコア機能をよりよく保存するための二重リスク最小化(DRM)を提案する。
DRMは期待されるパフォーマンスと最悪のパフォーマンスのバランスをとり、さまざまな実世界のベンチマークで新たな最先端技術を確立します。
論文 参考訳（メタデータ） (2024-11-29T15:01:25Z)
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。