論文の概要: Constraint-Driven Context Engineering: Designing Domain Interfaces for AI Systems

• arxiv url: http://arxiv.org/abs/2609.27354v1
• Date: Wed, 23 Sep 2026 04:53:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:17.888595
• Title: Constraint-Driven Context Engineering: Designing Domain Interfaces for AI Systems
• Title（参考訳）: 制約駆動コンテキストエンジニアリング:AIシステムのためのドメインインターフェースの設計
• Abstract要約: 制約駆動コンテキストエンジニアリング(CDCE、Constraint-Driven Context Engineering)は、AIシステムのためのドメイン・インタフェースの設計手法である。 制約を特定して特徴付けし、必要なコンテキストアセットを決定し、これらのアセットをAIシステムに提供するための表現を設計する。
• 参考スコア（独自算出の注目度）: 20.922997352069267
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI systems are increasingly deployed to address domain problems. These systems operate under technical, regulatory, institutional, and normative constraints that define acceptable AI behaviour and outcomes within their domains. We observe a recurring pattern in our industry engagement: partners often arrive with a functioning but relatively generic AI solution. The challenge is no longer to build an AI system from scratch, but to improve the quality and domain appropriateness of an AI-generated solution. In these settings, the limiting factor is often the quality, scope, and structure of the context available to the system. Yet, existing context engineering approaches primarily focus on supplying domain knowledge through retrieval, memory, and tools, with limited support for systematically identifying and operationalising the constraints that govern AI systems in their operational environments. This paper proposes Constraint-Driven Context Engineering (CDCE), a design approach for engineering domain interfaces for AI systems. Drawing on software architecture design and Domain-Driven Design (DDD), CDCE treats domain constraints as first-class design drivers. It identifies and characterises constraints, determines the required context assets, and designs representations through which these assets are made available to AI systems. We conducted a comparative multiple-case study with industry and public-sector partners across educational assessment, healthcare decision support, and financial-distress prediction. Depending on their characteristics, constraints can guide AI behaviour, enforce permissible boundaries, or support verification of AI-generated outcomes. The cases demonstrate CDCE's applicability across contrasting domains and show how constraint characteristics shape the resulting domain interfaces.
• Abstract（参考訳）: 生成AIシステムは、ドメイン問題に対処するためにますますデプロイされる。 これらのシステムは、技術的、規制的、制度的、規範的な制約の下で動作し、そのドメイン内で許容されるAIの振る舞いと結果を定義する。 パートナーはしばしば、機能するが比較的汎用的なAIソリューションを持って来ます。 もはや課題は、スクラッチからAIシステムを構築することではなく、AI生成ソリューションの品質とドメインの適切性を改善することだ。 これらの設定では、制限要因はシステムで利用可能なコンテキストの品質、スコープ、構造であることが多い。 しかし、既存のコンテキストエンジニアリングアプローチは主に、検索、メモリ、ツールによるドメイン知識の供給に重点を置いており、運用環境でAIシステムを管理する制約を体系的に識別し、運用することをサポートする。 本稿では,AIシステムのためのドメインインタフェース設計手法であるConstraint-Driven Context Engineering (CDCE)を提案する。 ソフトウェアアーキテクチャ設計とドメイン駆動設計(DDD)に基づいて、CDCEはドメイン制約を第一級の設計ドライバとして扱う。 制約を特定して特徴付けし、必要なコンテキストアセットを決定し、これらのアセットをAIシステムに提供するための表現を設計する。 本研究は,教育評価,医療意思決定支援,ファイナンシャル・ディストレス予測において,業界パートナーと公共セクターパートナーと複数ケースで比較検討を行った。 その特性によって、制約はAIの動作をガイドしたり、許容境界を強制したり、AI生成結果の検証をサポートすることができる。 これらのケースは、コントラストドメインをまたいだCDCEの適用性を示し、制約特性が結果のドメインインターフェースをいかに形作るかを示す。

関連論文リスト

• AI Deployment Accountability Engineering: A Vision for Accountable AI in Safety-Critical Socio-Technical Systems [14.280538199149634]
  このビジョンペーパーはAI Deployment Accountability Engineering (ADAE)を紹介する。 ADAEは、デプロイされたAIシステムに対して測定可能で、連続的で、実行可能な説明責任を確立することを目的とした、AIエンジニアリングのサブカテゴリである。 我々は,コンテキスト依存型障害モードの構造化発見,プライバシ保護型説明責任測定,エージェントAIのシステムレベルのリスク分析,技術的障害の運用的,制度的リスクへの変換という,4つの相互接続された柱を中心に構築された研究課題を具体的に述べる。
  論文  参考訳（メタデータ） (2026-09-13T15:18:41Z)
• Defining AI Models and AI Systems: A Framework to Resolve the Boundary Problem [3.457945699312823]
  既存の定義を複数の概念的視点から分析する。 本稿では,モデルとシステムの性質を基礎とした概念定義を提案する。 規制実施の意義について論じる。
  論文  参考訳（メタデータ） (2026-02-22T16:22:01Z)
• Now You See Me: Designing Responsible AI Dashboards for Early-Stage Health Innovation [5.969386855636704]
  この作業は、Responsible AIガバナンスダッシュボードを設計するための実用的なガイダンスを提供する。 それは、エコシステムレベルの調整が、医療におけるよりスケーラブルで多様なAIイノベーションを可能にすることを示唆している。
  論文  参考訳（メタデータ） (2026-01-27T15:07:38Z)
• Echoes of AI Harms: A Human-LLM Synergistic Framework for Bias-Driven Harm Anticipation [1.5892420496333068]
  ECHOは、プロアクティブなAIハーネス予測のための新しいフレームワークである。 バイアス・ツー・ハーム経路の早期検出を可能にする。 2つのハイテイク領域におけるECHOの検証(診断と採用)
  論文  参考訳（メタデータ） (2025-11-27T07:25:21Z)
• Barbarians at the Gate: How AI is Upending Systems Research [58.95406995634148]
  システム研究は、新しいパフォーマンス指向アルゴリズムの設計と評価に長年注力してきたが、AI駆動のソリューション発見には特に適している、と私たちは主張する。 このアプローチをAI駆動システム研究(ADRS)と呼び、ソリューションを反復的に生成し、評価し、洗練する。 我々の研究結果は、AI時代のシステム研究の実践に急激な適応の必要性と破壊的な可能性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-10-07T17:49:24Z)
• Compliance of AI Systems [0.0]
  本稿では、EUのAI法に焦点をあてて、関連する法律に対するAIシステムのコンプライアンスを体系的に検討する。 この分析は、エッジデバイスに関連する多くの課題を強調した。 データセットのコンプライアンスの重要性は、AIシステムの信頼性、透明性、説明可能性を保証するための基盤として強調されている。
  論文  参考訳（メタデータ） (2025-03-07T16:53:36Z)
• AI Automatons: AI Systems Intended to Imitate Humans [54.19152688545896]
  人々の行動、仕事、能力、類似性、または人間性を模倣するように設計されたAIシステムが増加している。 このようなAIシステムの研究、設計、展開、可用性は、幅広い法的、倫理的、その他の社会的影響に対する懸念を喚起している。
  論文  参考訳（メタデータ） (2025-03-04T03:55:38Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• Towards an Interface Description Template for AI-enabled Systems [77.34726150561087]
  再利用(Reuse)は、システムアーキテクチャを既存のコンポーネントでインスタンス化しようとする、一般的なシステムアーキテクチャのアプローチである。 現在、コンポーネントが当初目的としていたものと異なるシステムで運用する可搬性を評価するために必要な情報の選択をガイドするフレームワークは存在しない。 我々は、AI対応コンポーネントの主情報をキャプチャするインターフェイス記述テンプレートの確立に向けて、現在進行中の作業について述べる。
  論文  参考訳（メタデータ） (2020-07-13T20:30:26Z)

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。