論文の概要: A Policy Profile for Croissant: Refusal as a Property of the Dataset

• arxiv url: http://arxiv.org/abs/2609.19640v1
• Date: Thu, 17 Sep 2026 03:30:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.089843
• Title: A Policy Profile for Croissant: Refusal as a Property of the Dataset
• Title（参考訳）: クロワッサンの政策プロファイル:データセットの性質としての拒絶
• Abstract要約: Croissantは、MLデータセット:-LD over schema.org用の事実上の機械可読記述子である。 バージョン1.1以降はデータ使用条件も備えており、DUOとODRLを推奨している。 バージョンが明記されていないのは、どれかの評価方法、決定手順、評価コストの制限なし、実装が評価できない状態の結果なし、何がチェックされたかの記録なし、呼び出し側権限によるコンポジションなしである。
• 参考スコア（独自算出の注目度）: 51.56484100374058
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Croissant is the de facto machine-readable descriptor for ML datasets: JSON-LD over schema.org. Since version 1.1 it also carries data use conditions, recommending DUO and ODRL for them. What no version specifies is how any of them is evaluated: no decision procedure, no bound on evaluation cost, no outcome for a condition an implementation cannot evaluate, no record of what was checked, and nothing on composition with caller-side authority. We supply that half. An additive profile lets a dataset declare the operations it admits and the conditions under which it admits them, over a closed set of five operators whose decision procedure is given in full, so a gate decides from the descriptor alone and records what it checked. Two corpora evaluate it and their evidence is kept apart. Three descriptors that gated a real nf-core pipeline give the deployment result: decisions from a profile document match the gate's native descriptor record for record, stripping the layer leaves a valid Croissant document, and the added cost is 11.7 $μ$s against a 119 $μ$s decision. A corpus generated from the profile's grammar gives the breadth, covering every operator, refusal class and conformance clause. Across its valid cases, 552 complete decision records agree three ways -- native descriptor, profile terms, and the same policy as ODRL in usageInfo. The carrier is therefore not the contribution; the evaluation semantics is. Finally, caller-bound and data-bound policies range over non-overlapping state spaces, so neither permit set contains the other.
• Abstract（参考訳）: Croissantは、MLデータセット用の事実上の機械可読記述子である。 バージョン1.1以降はデータ使用条件も備えており、DUOとODRLを推奨している。 決定手順がない、評価コストに縛られない、実装が評価できない状態の結果がない、何がチェックされたかの記録がない、呼び出し側の権限で構成されていない、などです。 私たちはその半分を供給します。 追加プロファイルは、データセットが承認する操作とそれを認める条件を、決定手順が完全に与えられる5つのオペレータのクローズドなセットで宣言する。 2つのコーパスがそれを評価し、それらの証拠は分解される。 プロファイルドキュメントからの判断はゲートのネイティブディスクリプタレコードと一致し、レイヤを削除すれば有効なクロワサントドキュメントが残され、追加コストは119$μ$sに対して11.7$μ$sになる。 プロファイルの文法から生成されたコーパスは、すべての演算子、拒絶クラス、適合節をカバーする幅を与える。 有効なケース全体で、52の完全な決定レコードは、ネイティブ記述子、プロファイル項、およびUseInfoのODRLと同じポリシーの3つの方法に同意している。 したがって、キャリアはコントリビューションではなく、評価セマンティクスである。 最後に、呼び出しバウンダリとデータバウンダリポリシは、重複しない状態空間にまたがる。

関連論文リスト

• If Agents Were Angels, No Governance Would Be Necessary: Out-of-Band Policy Enforcement at a Trusted Tool Boundary [0.07499722271664146]
  Out-of-Band Policy Enforcement (OBPE)は、エージェント推論以外の信頼できる境界である。 OBPEは型付き操作とリソースを許可し、バックエンド呼び出しの前にクエリを絞り込み、それからレコードとフィールドをフィルタリングし、レスポンスの値にマスクを付ける。
  論文  参考訳（メタデータ） (2026-08-27T19:35:48Z)
• On Scope Classification and Current Knowledge-Editing Benchmarks: A Negative Result, with INLAY as a Gradient-Free Case Study [0.0]
  INLAYは、クエリごとの正確な真実を得るために作られた勾配のないエディタである。 我々は3つのデータセットと3つの入力条件にまたがる1,689のクエリに対して、すべての候補ルータアクションを実行する。 棄権は1,689回中0回のみの勝利である。
  論文  参考訳（メタデータ） (2026-08-26T18:16:24Z)
• Separating Disclosure from Authorization: Field-Tier Minimization for Agent Action Mediation [0.0]
  動作を認可するシステムは、その決定を十分に確認し、その決定を証明したシステムは監査に十分な記録をしなければならないことを示す。 各アクションクラスではなく、各パラメータフィールドを3つの層に分類する。 台帳のコミットメントは、完全な、最小化されていないパラメータの標準ダイジェストである、という中心的な性質がある。
  論文  参考訳（メタデータ） (2026-08-26T07:45:05Z)
• A Reproducibility Protocol for Cross-Implementation Evaluation of Post-Quantum ACVP Test Vectors [0.0]
  本研究ではNIST ML-KEMの3つの公開実装のための製品中立プロトコルを定義する。 Protocol v2はプロバイダ固有の機能を凍結し、1つのバリデーションエラーを対称に適用し、選択されたすべてのケースを保存し、バイト、バリデーションバリデーション、サポートされた操作、アダプタエラーを分離する。
  論文  参考訳（メタデータ） (2026-08-13T21:29:59Z)
• Turning Interaction History into Execution State: A Runtime Layer for Long-Horizon Coding Agents [48.967927222079965]
  Ledgerは、エージェントの完了したインタラクションを明示的な実行状態に蒸留するランタイム層である。 Ledgerはこの状態をオンライン実行台帳に保持し、各ステップの2つのバウンダリに適用される。 500のSWE-bench検証インスタンス全体で、LedgerはPass@1を56.2%から64.2%に、GPT-5 miniを75.8%から81.0%に、MiniMax M2.5を81.0%に引き上げている。
  論文  参考訳（メタデータ） (2026-08-01T18:25:00Z)
• TRACE: An Operational Reasoning Schema for Auditable Agentic Commitments [0.0]
  TRACE (Typed Reasoning And Commitment Evidence) は、推論トレースを記録するためのタイプ付きバージョン付きスキーマである。 論文は3つのレイヤで、推論は言語モデルにはない、と論じている。 レコード消費者契約は、レコードが保証するものと、その見返りに消費者が尊重すべきものを記述する。
  論文  参考訳（メタデータ） (2026-07-14T08:08:21Z)
• Evaluation Cards: An Interpretive Layer for AI Evaluation Reporting [44.70980205167796]
  AI評価結果は大規模に作成されるが、リーダーボード、モデルカード、ベンチマーク論文、会社のブログ間で矛盾なく報告されている。 最近の取り組みでは、分離されたコンポーネントに対処するが、3つのギャップを残している: それらは評価ライフサイクルの狭いスライスのみをカバーし、単一の解釈可能なレコードに構成しない。 EvalCardsは、ベンチマークメタデータ、評価実行データ、モデルメタデータを統一されたレコードに構成する運用レポート層である。
  論文  参考訳（メタデータ） (2026-06-08T17:55:02Z)
• CoEval: Ranking Language Models for Custom Tasks Without Labeled Data or Trustworthy Benchmarks [47.027290803102666]
  アンサンブル自己評価を通じて信頼性の高いタスク固有信号を提供するオープンフレームワークであるCoEvalを提案する。 モデルのプールは教師、学生、裁判官の3つの役割すべてを通して回転し、新鮮な汚染のないベンチマークを生成する。
  論文  参考訳（メタデータ） (2026-06-02T13:41:43Z)
• Causal Identification from Counterfactual Data: Completeness and Bounding Results [54.147490305295456]
  本研究では,任意のレイヤ3分布の集合から対実的なクエリを識別するアルゴリズムを開発した。 我々は、物理的に実現可能な分布から反事実を特定できる理論的限界を確立する。 我々は、そのような量の新たな解析的境界を、実現可能な対実データを用いて導出する。
  論文  参考訳（メタデータ） (2026-02-26T22:48:12Z)

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。