論文の概要: A Reusable Semantic Web Framework for Evidence-Grounded Fundamental Rights Impact Assessments under the EU AI Act
- arxiv url: http://arxiv.org/abs/2609.39537v1
- Date: Wed, 30 Sep 2026 11:38:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:27.614358
- Title: A Reusable Semantic Web Framework for Evidence-Grounded Fundamental Rights Impact Assessments under the EU AI Act
- Title（参考訳）: EU AI法に基づくエビデンスを取り巻く基本的人権影響評価のための再利用可能なセマンティックWebフレームワーク
- Abstract要約: EU AI Actは、高リスクなAIシステムのデプロイ者に対して、デプロイ前に基本権利影響評価(FRIA)を実施することを要求する。
本稿では,2つのリスクの高い公共セクターカテゴリの証拠を集約した,再利用可能なセマンティックWebベースのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.12260476456249796
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The EU AI Act (Art. 27) requires deployers of high-risk AI systems to conduct Fundamental Rights Impact Assessments (FRIAs) before deployment, yet the evidence needed for credible assessments is fragmented across incompatible incident repositories, risk vocabularies, and legal texts. We present a reusable Semantic Web-based framework that consolidates this evidence for two high-risk public sector categories: employment and worker management (Annex III(4)) and access to essential public services (Annex III(5)(a)). A curated 150-record corpus is annotated along four axes using keyword, LLM, and hybrid methods and serialised as a SPARQL-queryable knowledge graph of 1,351 RDF triples. Five FRIA demonstration scenarios surface 103 records (68.7% coverage). Evaluation against a 69-record gold standard reveals that LLM-assisted classification of the employment domain achieves only $κ= 0.045$, a cautionary result for automated fairness-related evidence retrieval in this domain. All artefacts are released openly to support adoption by regulators, national authorities, and SMEs.
- Abstract（参考訳）: EU AI Act(第27条)は、高リスクなAIシステムのデプロイ者に対して、デプロイ前に基本権利影響評価(FRIA)を実施することを要求するが、信頼できる評価に必要な証拠は、互換性のないインシデントリポジトリ、リスク語彙、法的テキストに分散されている。
本稿では、雇用と労働者管理(Annex III(4))と本質的な公共サービス(Annex III(5)(a))の2つの高リスク公共セクターの証拠を集約した再利用可能なセマンティックWebベースのフレームワークを提案する。
キュレートされた150レコードコーパスはキーワード、LLM、ハイブリッドメソッドを用いて4つの軸に沿って注釈付けされ、1,351RDFトリプルのSPARQLクエリ可能な知識グラフとしてシリアライズされる。
5つのFRIAデモシナリオが103レコード(68.7%のカバレッジ)をサーフェスする。
69レコードの金標準に対する評価では、LLMが補助する雇用領域の分類はκ=0.045$に過ぎず、この領域における自動公正関連証拠検索の注意深い結果である。
すべての人工物は、規制当局、国家機関、中小企業による採用を支援するために、公開公開されている。
関連論文リスト
- Governance-as-Code: Translating EU AI Act Technical Requirements into Executable Compliance Pipelines for Generative AI Systems [0.0]
6つのコンプライアンスモジュール間で43のマシンチェック可能な受け入れ基準のフレームワークを提供する。
堅牢性閾値は 提供者の文書化されたベースラインから導かれる
第25条及び第5章では、下流の展開者は、上流の提供者のトレーニングデータ要約第53条に依存している。
論文 参考訳（メタデータ） (2026-09-17T10:23:54Z) - LAAF: A Layered Accountability Architecture Framework for LLM Applications [11.15280916125281]
大規模言語モデル(LLM)は、病院、法廷、銀行、公共サービスデスクで運用されており、流動的で自信のある出力は、根拠のない、または正しくない場合でも権威あるものとして扱われる。
本稿では,5次元に分解されたアクターとフォーラムの関係として,説明責任の社会技術的説明を統合する。
コーパスは、出所、アプリケーションロジック、ヒューマン監視、ガバナンスとリフレッシュにまたがる4層分類デバイスを通じて読み込まれる。
論文 参考訳（メタデータ） (2026-08-27T13:18:26Z) - Grounded Normative Rule Generation with Structured Search [47.28595196084396]
基底ノルム規則合成(GNRS)として問題を定式化する。
GNRS-SearchはMarkov Chain Monte Carlo(MCMC)サンプリングを利用して、離散5スロットアンドオーグラフ(AOG)を最適化するフレームワークである。
GNRS-Benchは8つのシーンにまたがる116の制御目標にまたがるベンチマークであり、RealCharterBenchは53のリアルなポリシータスクに隠れたソース節で遷移を評価する。
論文 参考訳（メタデータ） (2026-08-23T05:43:42Z) - Can LLMs Time Travel? Enhancing Temporal Consistency in Legal Agentic Search through Reinforcement Learning [45.13302016493955]
法律は、法律の遡及的適用が中核的な法的原則に違反し、誤った結論に至るため、各事件の時間的文脈と一致しなければならない。
我々の観察では、現在の法的LLMはトレーニングの遮断に固定された時間的バイアスに悩まされているのに対し、検索エージェントはクエリに時間的制約を組み込むことは滅多にない。
我々は,複数の修正期間にまたがる時間的インデクシングデータに基づいて学習し,時間的整合性を確保するために,オンラインWeb検索に適合する厳密な記事に局所法規RAGを併用する,エンドツーエンドの強化学習フレームワークであるLegalSearch-R1を提案する。
論文 参考訳（メタデータ） (2026-05-25T14:57:13Z) - TRUST: A Framework for Decentralized AI Service v.0.1 [47.384270414446604]
大規模推論モデル (LRM) とマルチエージェントシステム (MAS) は, 信頼性の高い検証を必要とする。
TRUST(Transparent, Robust, and Unified Services for Trustworthy AI)は,3つのイノベーションを備えた分散フレームワークである。
我々は、悪質な俳優が損失を被っている間、正直な監査人の利益を確実に確保する安全利益理論を証明する。
論文 参考訳（メタデータ） (2026-04-29T19:32:58Z) - Credential Leakage in LLM Agent Skills: A Large-Scale Empirical Study [51.717224133855886]
サードパーティのスキルはLLMエージェントを強力な能力で拡張するが、特権のある環境では機密情報を扱うことが多い。
静的解析,サンドボックステスト,手動検査を用いて17,022のスキル(SkillsMPで170,226からサンプリング)を分析した。
我々は,1,708の課題で520の脆弱なスキルを識別し,10の漏洩パターン(事故4件,反対6件)の分類を導出する。
論文 参考訳（メタデータ） (2026-04-03T14:50:16Z) - Legal-DC: Benchmarking Retrieval-Augmented Generation for Legal Documents [4.735657207313987]
Retrieval-Augmented Generation (RAG) は、法的文書コンサルテーションのための有望な技術として登場した。
既存のベンチマークでは、ジョイントレトリバージェネレータ評価の特別なサポートが欠如している。
LegRAGは、主要な評価指標で既存の最先端手法を1.3%から5.6%上回っている。
論文 参考訳（メタデータ） (2026-03-12T10:27:40Z) - OpenNovelty: An LLM-powered Agentic System for Verifiable Scholarly Novelty Assessment [63.662126457336534]
OpenNoveltyは、透明で証拠に基づく新規性分析のためのエージェントシステムである。
回収された実論文のすべての評価を根拠にし、検証可能な判断を確実にする。
OpenNoveltyは、公正で一貫性があり、エビデンスに支えられたピアレビューを促進するスケーラブルなツールで、研究コミュニティに力を与えることを目指している。
論文 参考訳（メタデータ） (2026-01-04T15:48:51Z) - Domain-Partitioned Hybrid RAG for Legal Reasoning: Toward Modular and Explainable Legal AI for India [5.022547031373416]
インドにおける法律研究は、法律、憲法の規定、刑法、司法の前例にまたがる、長く異質な文書をナビゲートすることを含む。
最近の検索拡張生成(RAG)アプローチは、接地を改善するが、マルチホップ推論に苦慮している。
インドにおける法律研究に特化して設計されたドメイン分割ハイブリッドRAGと知識グラフアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-12-23T20:22:39Z) - ESGenius: Benchmarking LLMs on Environmental, Social, and Governance (ESG) and Sustainability Knowledge [40.49917730563565]
ESGeniusは、環境、社会、ガバナンス(ESG)における大規模言語モデル(LLM)の熟練度の評価と向上のための総合的なベンチマークである。
ESGenius-QA (i) ESGenius-QA (i) ESGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-QA (i) esGenius-Corpus (i) ESGenius-Corpus (i) ESGenius-Corpusは231の基本的なフレームワーク、標準、レポート、レコメンデーションドキュメントを、7つの権威あるソースから収集した。
論文 参考訳（メタデータ） (2025-06-02T13:19:09Z) - Evaluating LLM-based Approaches to Legal Citation Prediction: Domain-specific Pre-training, Fine-tuning, or RAG? A Benchmark and an Australian Law Case Study [9.30538764385435]
大規模言語モデル (LLM) は法的タスクに強い可能性を示しているが、法的な引用予測の問題は未解明のままである。
AusLaw Citation Benchmarkは,オーストラリアで55万の法的事例と18,677のユニークな引用からなる実世界のデータセットである。
次に、さまざまなソリューションに対して、システマティックなベンチマークを実施します。
その結果, 一般および法定LLMは独立解として十分ではなく, ほぼゼロに近い性能を示した。
論文 参考訳（メタデータ） (2024-12-09T07:46:14Z)
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。