論文の概要: Conflicted Records: Typed Adversarial Contracts for Auditable LLM Output Quality Enforcement
- arxiv url: http://arxiv.org/abs/2610.29669v1
- Date: Wed, 21 Oct 2026 12:43:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.361739
- Title: Conflicted Records: Typed Adversarial Contracts for Auditable LLM Output Quality Enforcement
- Title（参考訳）: 対立記録:LLM出力品質強化のための型付き逆変換契約
- Abstract要約: 本稿では,BiasGuard-Dを提示する: 異なるモデルファミリーから引き出された2つの敵対的役割が,タイプドクレーム文書を交換し,多数決で3つのモデルクォーラムが適応し,組み合わせた参照+セマンティック不変量によって判定が検証される。
すべてのクレーム、投票、および命令は、AI規制の下で監査可能な証明証跡を提供するタイプドレコードとして格納される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-generated records increasingly populate production information systems where they are treated as data assets subject to the same quality expectations as records from operational databases. A single such record can simultaneously satisfy and violate a quality rule: a grounded fact adjacent to a hallucination, a useful answer adjacent to a stereotype. Classical data cleaning cannot resolve this because the two judgments are incompatible over the same span; a single LLM judge cannot either, since it shares the training biases that produced the conflict. Existing interventions such as prompt engineering, chain-of-thought, and RLHF reduce surface error rates but provide no audit trail and cannot distinguish genuine remediation from blanket suppression. The question is whether a deterministic check over structured inter-agent records can catch the defects that referential checks alone miss. We present BiasGuard-D: two adversarial roles drawn from distinct model families exchange typed claim documents, a three-model quorum adjudicates by majority vote, and a combined referential-plus-semantic invariant validates the verdict. The semantic component fires on verdicts referential checks miss; removing the iterative loop drops invariant satisfaction sharply. The deliberation layer transfers from stereotype to hallucination remediation on HaluEval QA with only role-framing changes, raising right-answer recovery by 49 percentage points; the triage gate required a cross-family second auditor to maintain recall on objective hallucination. Every claim, vote, and instruction is stored as a typed record giving operators a provenance trail auditable under emerging AI regulations.
- Abstract（参考訳）: LLMが生成したレコードは、運用データベースのレコードと同じ品質を期待するデータ資産として扱われる、生産情報システムに次第に浸透する。
このような単一の記録は、幻覚に隣接した根拠のある事実、ステレオタイプに隣接した有用な答えを同時に満たし、品質規則に違反し得る。
2つの判断は同じ範囲で互換性がないため、古典的なデータのクリーニングでは解決できない。
プロンプトエンジニアリング、チェーンオブシンク、RLHFといった既存の介入は表面エラー率を低下させるが、監査証跡は提供せず、真の修復とブランケットの抑制を区別できない。
問題は、構造化されたエージェント間レコードに対する決定論的チェックが、参照チェックだけで見逃す欠陥をキャッチできるかどうかである。
本稿では,BiasGuard-Dを提示する: 異なるモデルファミリーから引き出された2つの敵対的役割が,タイプドクレーム文書を交換し,多数決で3つのモデルクォーラムが適応し,組み合わせた参照+セマンティック不変量によって判定が検証される。
セマンティックコンポーネントは、基準チェックの誤りを判断し、反復ループを削除することは、不均一な満足度を著しく低下させる。
検討層は, ロールフレーミング変化のみを伴うHaluEval QAのステレオタイプから幻覚修復へ移行し, 右側からの回復率49ポイント, トリアージゲートでは, 客観的幻覚のリコールを維持するために, クロスファミリー第2監査者を必要とした。
すべてのクレーム、投票、および命令は、AI規制の下で監査可能な証明証跡を提供するタイプドレコードとして格納される。
関連論文リスト
- AlphaDiana: A Measurement System for Agents in Verifiable Reasoning Tasks [70.52860945958031]
我々は、データセット、エージェント、環境、スコアラーの計測システムであるAlphaDianaを紹介する。
5つの回答ベースベンチマークで3つのオープンソースモデルと3つのオープンソースハーネスについて検討する。
ハーネスは推論の精度を常に改善しないことがわかった。
論文 参考訳（メタデータ） (2026-10-14T14:04:48Z) - Watermarking: from Impossibility to Auditable Compliance [78.87513208320995]
EU人工知能法第50条(2)は、合成出力を機械可読かつ検出可能にするために、生成システムの提供者を要求する。
自由形式のテキストにとって、重要な実装の1つは、生成的な透かし処理の実装である。
本稿は、強い透かしに代わる聴覚的な代替品を開発する。
論文 参考訳（メタデータ） (2026-10-05T13:32:41Z) - CARGO: Context-Aware Retrieval-Gated Evaluation of Agentic AI in Production [0.0]
CARGOは、検索された参照を手続き的な例証として扱い、ライブインスタンスの観察されたコンテキストにおける事実判断を根拠とするフレームワークである。
CARGO-Benchでは、標準基準に基づく裁判官は、正しい実体変換された回答の100%を罰し、非形式的である(差別指標DI 0)。
CARGOはまた、独自の設計の制限を公開している。エンティティ値を保護する冗長性は、手続き的腐敗の検出を抑制する。
論文 参考訳（メタデータ） (2026-09-24T19:10:52Z) - Strategic Classification Has a Missing Lever: Audit Risk [2.9320341537404713]
企業が線形分類器と強調プロファイルを共同で設計する戦略分類モデルを提案する。
線形コスト下では,ゲームレンタルの分配によってのみ監査問題に影響を及ぼすことを示す。
この分解を用いて最適監査割当を特徴付け、割当問題がいつトラクタブルなのか、いつNPハードなのかを識別する。
論文 参考訳（メタデータ） (2026-09-18T19:45:16Z) - RecurSE: Bounded Recursive Self-Evaluation for LLM Rubric Judges [48.831446371402414]
RecurSEは、訓練可能な裁判官と同期されたポリシーコピーチェッカーをペアにして、裁判官のメタルーブリックに対する推論を監査し、スカラープロセスの報酬を提供する。
本稿では,RecurSEが医療,ペアワイド,要約,プロフェッショナルベンチマークにおいて一貫した一般化を実現していることを示す。
論文 参考訳（メタデータ） (2026-08-25T08:35:04Z) - One Gate Is Not Enough: Composing Stateful Pre-Action Controls for Agentic AI [0.0]
1つのコントロールが適用した修復は、他のコントロールが評価するアクション、エビデンス、コンテキストを変更し、そのコントロールの以前の判断を無効にすることができることを示す。
我々は、この結合を形式化し、現在の有界等質な設定において、アクションごとの音質を復元するremediate-and-regateプロトコルを提供する。
これは、生産の頻度に関する主張ではなく、合成メタデータ層によるオープンペイロードデータに対するメカニズム実証である。
論文 参考訳（メタデータ） (2026-08-18T22:24:44Z) - Cross-View Correspondence Is a Measurement Intervention: Two-Sided Validation for Agent Evaluation and Credit Assignment [3.2479665905442645]
クロスビュー対応は、エージェントの評価やクレジットの割り当てがポイントの結論を支持する前に、宣言、検証、不確実性に伝播されなければならない。
本研究では,2側によるニュアンス除去と応答保存の検証,下流の結論のオールオプティマ同定,有効性確立後の不確実性伝播の3つの要素による妥当性理論と監査を開発する。
論文 参考訳（メタデータ） (2026-08-18T12:39:21Z) - SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。
正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。
変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
論文 参考訳（メタデータ） (2026-08-04T13:16:15Z) - AuditWeave: A Tamper-Evident, Auditor-Navigable Evidence Layer for AI-Assisted and Data-Transformation Workflows [0.0]
AuditWeaveは、AIアシストとデータ変換のステップを1つのハッシュチェーンの台帳に記録する軽量Pythonライブラリである。
本稿では,参照実装におけるオーバヘッド,拡張性,タンパー検出の正確さを設計し,評価する。
論文 参考訳（メタデータ） (2026-06-14T21:46:04Z) - 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)
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。