論文の概要: When the Strike Zone Becomes Algorithmic: Umpire Judgment and Player Challenge Decisions under AI Review

• arxiv url: http://arxiv.org/abs/2609.25525v1
• Date: Tue, 22 Sep 2026 00:38:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.164218
• Title: When the Strike Zone Becomes Algorithmic: Umpire Judgment and Player Challenge Decisions under AI Review
• Title（参考訳）: ストライクゾーンがアルゴリズムになったとき:AIレビューによるアンパイアの判断とプレイヤーの挑戦
• Abstract要約: アンパイアはすべてのボールを作り、ストライクコールを行うが、プレイヤーは自動システムにこれらの決定を公然と覆すよう依頼することができる。 2015年から2026年までの4,114,256件,2026年シーズンの8,447件を分析した。 我々は、審判が効果的なストライクゾーンの境界をどこに置くか、その境界をいかに一貫して適用するか、どのプレーヤーに挑戦するかを調査する。
• 参考スコア（独自算出の注目度）: 1.7476019497926718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The Automated Ball-Strike challenge system that Major League Baseball adopted in 2026 offers a distinctive setting for studying human AI interaction in which umpires make every ball and strike call, while players can selectively ask an automated system to publicly overturn those decisions. We analyze 4,114,256 called pitches from 2015 through 2026 and 8,447 challenges from the 2026 season to examine how algorithmic review reshapes umpire judgment and player behavior. We study where umpires placed the effective strike zone boundary, how consistently they applied that boundary, how they responded to overturned calls, and which calls players chose to challenge. In 2026, the effective called boundary shifted toward the automated strike zone beyond the trajectory observed in prior seasons, while the consistency of that boundary largely continued its existing trend. Following an overturned call, umpires temporarily adjusted subsequent decisions near the corrected boundary, although these effects did not consistently persist into the next game. Count dependent variation in calling remained, while differences associated with player status narrowed. Players, meanwhile, left many overturnable calls unchallenged and appeared to base challenge decisions more strongly on immediately observable evidence than on the precise geometry of the automated zone. Together, these findings show that selective AI review does more than correct individual errors. It reshapes human judgment, adaptation, and strategic behavior around an algorithmic authority.
• Abstract（参考訳）: 2026年にメジャーリーグベースボールが採用した自動ボールストライクチャレンジシステムは、審判がすべてのボールを作り、ストライクコールを行うという、人間のAIインタラクションを研究するための独特な設定を提供する。 我々は、2015年から2026年までの4,114,256回、2026年シーズンの8,447件の課題を分析し、アルゴリズムによるレビューが審判の判断とプレーヤの行動にどう影響するかを調べた。 我々は、審判が効果的なストライクゾーンの境界をどこに配置したか、その境界をいかに一貫して適用したか、オーバーターンしたコールにどう反応したか、そしてどのプレーヤーが挑戦を選んだかを調べる。 2026年、境界線は前シーズンに観測された軌道を超えた自動ストライクゾーンに移行し、その境界線の整合性は現在の傾向をほぼ維持した。 オーバーターンされたコールの後、審判員は修正された境界付近でのその後の決定を一時的に調整したが、これらの効果は次のゲームに持続しなかった。 呼び出しの依存性のばらつきは残り、プレイヤーの状態に関する違いは狭まった。 一方、プレイヤーは転倒不能なコールを無断で残し、自動ゾーンの正確な幾何学よりも、即座に観察可能な証拠に挑戦する決定を強固に下すように見えた。 これらの結果は、選択的なAIレビューが個々のエラーを正す以上のことを示している。 アルゴリズムの権威に関する人間の判断、適応、戦略的行動を再確認する。

関連論文リスト

• MINDGAMES: A Live Arena for Evaluating Social and Strategic Reasoning in Multi-Agent LLMs [54.81359054218573]
  大規模言語モデル(LLM)のためのマルチゲームアリーナと評価プラットフォームであるMindgamesを紹介する。 Mindgamesは、統合されたインタラクションインターフェース、TrueSkillベースの評価、および4つのゲーム環境にわたる完全な軌跡ログを提供する。 我々は,決定論的オフライントーナメントプロトコルMG-Refとともに,ターンレベルの観察,アクション,報酬を含む29,571個のマルチエージェントゲームを分析した。
  論文  参考訳（メタデータ） (2026-05-28T07:33:47Z)
• Inside Baseball: The Automated Ball-Strike System as an Object Lesson in Technological Rule Enforcement [7.034830295621821]
  メジャーリーグ野球の7年間の自動ボールストライクシステム(ABS)実験について検討した。 MLBは、ABSでボールやストライクを自動で呼び出す方法を見つけるのに7年を要した。 我々は,「距離」が明確な規則と技術実装の間にさえ存在することを示す。
  論文  参考訳（メタデータ） (2026-05-15T17:45:04Z)
• SoccerNet 2024 Challenges Results [152.8534707514927]
  SoccerNet 2024の課題は、サッカーネットチームが主催する4年目のビデオ理解の課題を表している。 この課題は、サッカーにおける複数のテーマにまたがる研究を進めることを目的としており、放送ビデオ理解、フィールド理解、プレイヤー理解などが含まれる。 今年は、4つのビジョンベースのタスクが課題となっている。
  論文  参考訳（メタデータ） (2024-09-16T14:12:22Z)
• AI Oversight and Human Mistakes: Evidence from Centre Court [1.2974519529978974]
  我々は、AIの監視が人間の意思決定に影響を及ぼすという最初の現場証拠を提供する。 我々は、AIが監視している最も高い視界の1つを調査する。 審判は、ホークアイのレビュー導入後に全体的なミス率を下げただけでなく、審判がボールを呼んだ率を上げたこともわかりました。
  論文  参考訳（メタデータ） (2024-01-30T05:22:45Z)
• SoccerNet 2022 Challenges Results [167.6158475931228]
  SoccerNet 2022 チャレンジ(英語: SoccerNet 2022 Challenge)は、サッカーネットチームが主催する2回目のビデオ理解チャレンジである。 2022年、課題は6つの視覚ベースのタスクで構成された。 昨年の課題と比較すると、タスク(1-2)は、より厳密な時間的アキュラシーを検討するために評価基準を再定義し、基礎となるデータやアノテーションを含むタスク(3-6)は新しくなった。
  論文  参考訳（メタデータ） (2022-10-05T16:12:50Z)
• Keke AI Competition: Solving puzzle levels in a dynamically changing mechanic space [5.2508303190856624]
  ケケAIコンペティションは、Baba is Youというゲームのための人工エージェントコンペティションを導入する。 本稿では,提出されたエージェントのランク付けに使用されるフレームワークと評価指標について述べる。
  論文  参考訳（メタデータ） (2022-09-11T17:50:27Z)
• The price of unfairness in linear bandits with biased feedback [62.25313751895011]
  線形帯域フィードバックによる逐次意思決定の問題点について検討する。 その結果,不偏フィードバック下で得られたdT 1/2 log(T) の後悔率よりも最悪の後悔率が高いことがわかった。 興味深いことに、ギャップ依存率によって、問題はバイアスのないものほど難しくない非自明なインスタンスの存在が明らかになる。
  論文  参考訳（メタデータ） (2022-03-18T08:03:20Z)
• Bandit Linear Optimization for Sequential Decision Making and Extensive-Form Games [102.23975166536326]
  tree-form sequential decision making (tfsdm) は、エージェントと潜在的に敵対的な環境の間のツリー形式の相互作用をモデル化することで、古典的なワンショット意思決定を拡張する。 これは、各プレイヤーが幅広い形式のゲームで直面するオンライン意思決定問題、およびマルコフ決定プロセス、およびエージェントが観測された履歴を条件とする部分観察可能なマルコフ決定プロセスをキャプチャする。 本稿では, (i) 線形時間損失と (ii) $o(sqrtt)$ cumulative regret の両方を提供する拡張dmのバンディット線形最適化問題に対する最初のアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-08T05:00:13Z)
• Model-Free Online Learning in Unknown Sequential Decision Making Problems and Games [114.90723492840499]
  大規模な2人プレイのゼロサム情報ゲームでは、反事実後悔最小化(cfr)の現代的な拡張がnash均衡を計算するための実用的な技術である。 私たちは、戦略空間がエージェントに知られていないオンライン学習設定を形式化します。 エージェントが逆の環境に直面しても、その設定に高い確率で$O(T3/4)$後悔を達成する効率的なアルゴリズムを提供します。
  論文  参考訳（メタデータ） (2021-03-08T04:03:24Z)

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。