論文の概要: Two Conformal Constructions for Adaptive Within-Document AI-Text Screening
- arxiv url: http://arxiv.org/abs/2609.31547v1
- Date: Fri, 25 Sep 2026 17:18:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.515557
- Title: Two Conformal Constructions for Adaptive Within-Document AI-Text Screening
- Title（参考訳）: 適応型文書内AIテキストスクリーニングのための2つのコンフォーマル構成法
- Abstract要約: 人工知能(AI)によるテキストのスクリーニングにおける偽アラート制御の検討
スクリーニング手順は、観察された証拠から文書のプレフィックスと検出器を選択し、検査予算を浪費する前に停止することができる。
ヒトの校正文書と新しいヌル文書との文書レベルの交換性の下で2つの有限サンプル構成を与える。
- 参考スコア（独自算出の注目度）: 0.18737506366172096
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study false-alert control when screening for text generated by artificial intelligence (AI). The screening procedure selects document prefixes and detectors from observed evidence and may stop before exhausting its inspection budget. We give two finite-sample constructions under document-level exchangeability between human calibration documents and a new null document, with no restriction on dependence among tokens within a document. Construction A registers a finite family of prefix-detector scores and allocates a false-alert budget across their conformal ranks. A union bound protects any executed subset of that family. Construction B calibrates the complete-path maximum of a development-fixed adaptive policy. Each partial-path maximum is bounded by the complete maximum, so a terminal conformal rank protects early stopping without splitting the error budget. We prove marginal control of any false alert across the permitted inspection path and derive necessary calibration counts for rejection. We also state oracle testing, distribution-shift, and independent-audit bounds with their additional assumptions. Both constructions protect stopping within their specified scope; neither proof constructs an e-process or justifies multiplying conformal ranks. Detection power and computational savings remain questions for empirical evaluation.
- Abstract（参考訳）: 人工知能(AI)が生成するテキストのスクリーニングにおける偽アラート制御について検討する。
スクリーニング手順は、観察された証拠から文書のプレフィックスと検出器を選択し、検査予算を浪費する前に停止することができる。
ヒトの校正文書と新しいヌル文書との文書レベルの交換性に基づく2つの有限サンプル構成を文書内のトークン間の依存に制約なく与える。
構成Aは、プレフィックス・ディテクタのスコアの有限のファミリを登録し、そのコンフォーメーションのランクに偽アラート予算を割り当てる。
ユニオンバウンドは、その家族の実行されたサブセットを保護します。
建設Bは、開発固定適応ポリシーの完全パス最大を校正する。
各部分パス最大値は、完全最大値で制限されるので、端末順列は、エラー予算を分割することなく早期停止を保護する。
我々は、許可された検査経路を横断する誤報の限界制御を証明し、拒絶のために必要な校正回数を導出する。
また、オラクルテスト、分散シフト、独立監査境界についても、追加の仮定で述べています。
どちらの構成も、指定された範囲内で停止を保護する。
検出力と計算貯蓄は、実証的な評価に疑問を呈している。
関連論文リスト
- Zero-Knowledge Predicate Proofs Between AI Agents: A Measured, Cross-Protocol Gateway and the Source-Integrity Gap [0.0]
マルチエージェントAIプラットフォームは、ステージングからプロダクションへ素早く移行するが、エージェントが信頼を確立する方法はまだ初歩的だ。
提案から実行システムまで,エージェント間での検証可能なデータ最小化を行う。
32ビットのしきい値述語は6.2msで証明され、608バイトのBulletproofs証明で1.0msで検証される。
論文 参考訳（メタデータ） (2026-08-30T23:16:17Z) - Safe Skill Retirement for Physical Agents [8.993330865646127]
モデル機能が進歩すると、メンテナは、承認されたベンチマークタスクで冗長に見える命令を実行します。
このミスマッチは、物理的およびプライバシーに敏感な影響に対して、計測されていないサポートギャップを生じさせる。
我々は、要求された行動、ツールパラメータ、意図された効果を固定する、一致した権威の反事実を導入する。
論文 参考訳（メタデータ） (2026-08-25T19:06:35Z) - A Governance Methodology Layer for AI-Assisted Software Development: Defect Taxonomy, Controlled Ablation, and a Test of Process-Over-Capability [0.0]
5つのAIエージェントの許可とガバナンスモジュールに基づく欠陥クラス分類を提案する。
本稿では,ジェネレータの出力を読み出し,構造化されたバリデーションを出力するランタイム分離型ガバナンスゲートについて述べる。
トークンマッチングされた未構造化プロンプトとハーネス構造化されたレビューを比較した制御アブレーション実験を報告する。
論文 参考訳（メタデータ） (2026-07-01T14:08:41Z) - What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある
SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。
SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
論文 参考訳（メタデータ） (2026-06-01T03:18:01Z) - The Endogeneity of Miscalibration: Impossibility and Escape in Scored Reporting [2.3698341511302443]
自律エージェントからの真実の報告を排除することは、スケーラブルなAI監視における中核的な問題である。
プリンシパルは、厳密に適切なスコアリングルールを使用してエージェントのレポートをスコアリングするが、エージェントはまた、非正確チャンネルを通じてレポートの恩恵を受ける。
我々の主な成果は内在性であり、プリンシパルの最適監視は必ずしもスクリーンタイプに非ファイン承認関数を使用する。
論文 参考訳（メタデータ） (2026-05-08T12:42:28Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - Conformal Tradeoffs: Guarantees Beyond Coverage [0.02648566468224904]
配置されたコンフォーマル予測器は、有限操作ウィンドウ上で稼働する長期間の意思決定基盤である。
マージのカバレッジは、デプロイメントに直面する量を特定しません。
私たちは、範囲を超えて運用の認証と計画のためのフレームワークを提供しています。
論文 参考訳（メタデータ） (2026-02-20T07:58:25Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳（メタデータ） (2025-06-25T07:04:49Z) - Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。
RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。
これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。
我々は、無害な」知識基盤の著作権保護の名称を提案する。
論文 参考訳（メタデータ） (2025-02-10T09:15:56Z) - Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。
AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
論文 参考訳（メタデータ） (2021-09-25T22:53:24Z)
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。