論文の概要: Conformance as a Distribution: Delegation Contracts, Error Budgets, and the Allocation of Evaluation Authority in Use-Based AI Regulation

• arxiv url: http://arxiv.org/abs/2610.33112v1
• Date: Fri, 23 Oct 2026 00:08:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.248245
• Title: Conformance as a Distribution: Delegation Contracts, Error Budgets, and the Allocation of Evaluation Authority in Use-Based AI Regulation
• Title（参考訳）: 分散としてのコンフォーマンス:AI規制におけるデリゲーション契約、エラー予算、評価機関の配置
• Abstract要約: ユースケースベースのAI規制は、デプロイメントのリスクによって義務を割り当てるが、それらを運ぶための明確な対象が欠如している。 我々は、宣言されたコンテキストの混合が真実にできるかどうかを問う。 また,評価トラフィックを検出するシステムに対して,監査を非バイアスで行うことができるかどうかを問う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Use-based AI regulation assigns obligations by deployment risk but lacks an evidentiary object to carry them. A benchmark score is a property of a model; conformance of a deployment is a failure rate under a declared distribution of contexts, bounded by a scope and subject to expiry. We take the delegation contract of earlier work (frozen configuration, scoped claim, executable revision rule) and study it under strategic play between a deployer, an auditor, and an enforcement point. We ask whether a declared context mixture can be made truthful; whether an audit can be unbiased against a system that detects evaluation traffic; whether a certification error budget can sustain a long-lived deployment; whether an aggregate audit can support a per-subgroup guarantee; and whether an incident metric that counts system failures but not fallback costs ranks arrangements correctly. For each we give a mechanism and a proposition: a proper-scoring penalty on the declared mixture bounds the excess failure of a best-responding deployer by $O(λ^{-1/2})$ in the penalty weight; a commit-reveal audit drawn from live traffic is unbiased by construction and grades the evaluator with the same sample; a halving error budget drives certification coverage below $(1-p)^n$ while $α$-investing sustains it under a marginal false-certification guarantee; a per-subgroup guarantee costs audit size scaling as $1/m$ in subgroup mass; and any failure-only incident metric prefers withdrawal at every fallback cost, even when total loss ranks the arrangements oppositely. Five preregistered synthetic studies test each claim; no language model or production system is evaluated. Enforcement sits at distribution, capability-access, monetization and risk-transfer choke points, expiry of the conformance record is a standard of care, and conformance-as-a-rate is set against the EU AI Act's static conformity assessment.
• Abstract（参考訳）: ユースケースベースのAI規制は、デプロイメントのリスクによって義務を割り当てるが、それらを運ぶための明確な対象が欠如している。 ベンチマークスコアはモデルの特性であり、デプロイメントの適合性は、宣言されたコンテキストの分布の下での失敗率であり、スコープによって境界付けられ、有効期限を受ける。 我々は、以前の作業の委譲契約(フリーズ構成、スコープドクレーム、実行可能リビジョンルール)を、デプロイ者、監査人、執行者の間の戦略的役割の下で研究する。 評価トラフィックを検出するシステムに対して監査が非バイアス化可能であるか、認定エラー予算が長期にわたるデプロイメントを維持可能であるか、アグリゲート監査がサブグループ単位の保証をサポートすることができるか、システム障害をカウントするインシデントメトリクスが、フォールバックコストを正しくランク付けしていないか、といった点について質問する。 宣言された混合物に対する適切な検査のペナルティは、ベスト対応のデプロイの過剰な失敗を$O(λ^{-1/2})$で制限し、ライブトラフィックから引き出されたコミット調査は、建設と評価者によるバイアスなく、同じサンプルで評価する。 5つの事前登録された合成研究がそれぞれの主張を検証し、言語モデルや生産システムの評価は行われない。 執行は、配布、能力アクセス、収益化、リスク伝達のチョークポイントに置かれ、適合記録の有効期限はケアの標準であり、コンプライアンス・アズ・ア・レートはEU AI Actの静的適合性評価に対して設定されている。

関連論文リスト

• Valid Stopping in Adaptive Generator-Verifier Loops [53.28176049547449]
  本研究では,提案提案の誤り発見率を制御しながら,ジェネレータ検証ループをいつ停止させるかを検討する。 提案手法は,分布自由な統計テストと共形リスク制御に独立して関心を持つツールを導入している。
  論文  参考訳（メタデータ） (2026-10-05T14:42:26Z)
• 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)
• 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)
• Complex Problem Solving in Large Language Models: A Statistical Control Survey and Diagnostic Framework [52.886947585847594]
  大規模言語モデル(LLM)による複雑な問題解決は、しばしばより強い推論やより長い生成の問題としてフレーム化される。 しかし、早期のエラー増幅、迅速な脆さ、誤ったコミットメントを修正する失敗を説明するのは難しい。 本調査はCPSを潜在解状態上の逐次推定・決定問題と解釈する。
  論文  参考訳（メタデータ） (2026-09-17T18:28:45Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• Scaling, Lock-In, and Proxy Compliance: A Political Economy of Responsible AI [1.253312107729806]
  我々は、AIシステムの説明責任に対処するシーケンシャルな政治経済モデルを構築している。 我々は、AIベンダーが監査可能性と実体的緩和を選択し、デプロイはコストを切り替えながら導入後に監視し、実行は検証可能な証拠に依存することを示す。 その結果、ドキュメントと標準化された評価が、持続的なデプロイ後障害と共存する理由が説明できる。
  論文  参考訳（メタデータ） (2026-07-30T11:12:13Z)
• ECO/CPO-DAG: A Contradiction-Based Accountability Layer for Adversarial Supply Chains [0.0]
  ECO/CPO-DAGは、敵対的なサプライチェーンのためのドメイン固有の説明責任プロトコルである。 補足検証層として矛盾検出を形式化する。 プロトコルの境界は明示的であり、証明可能な矛盾を検出し、一貫性のある嘘は検出しない。
  論文  参考訳（メタデータ） (2026-07-07T21:03:26Z)
• A Benchmark for Strategic Auditee Gaming Under Continuous Compliance Monitoring [1.253312107729806]
  継続的デプロイ後のコンプライアンス監査は、戦略的なゲームのクラスを作成します。 我々は,時間的方針にコミットする監査者と適応監査人との間に,$T$ラウンドのStackelbergゲームとして継続的監査を形式化する。
  論文  参考訳（メタデータ） (2026-05-07T14:28:34Z)
• IMPACT-CYCLE: A Contract-Based Multi-Agent System for Claim-Level Supervisory Correction of Long-Video Semantic Memory [73.22944697933603]
  既存のパイプラインは不透明でエンドツーエンドの出力を生成し、検査の中間状態は公開しない。 IMPACT-Cycleは,マルチモーダル反復クレームレベルのメンテナンスとして,長時間ビデオ理解を再構築するマルチエージェントシステムである。
  論文  参考訳（メタデータ） (2026-04-22T03:03:33Z)
• Audit the Whisper: Detecting Steganographic Collusion in Multi-Agent LLMs [0.0]
  Audit the Whisperは、理論、ベンチマーク設計、検出、検証にまたがるカンファレンスグレードの研究成果物である。 i) パラフレーズ, レート制限, 役割置換などの介入が, ペアリングしたKullback-Leibler診断によって定量的なペナルティの操作を課すことを示すチャネル容量分析を行った。 我々は、匿名化された再生スクリプト、匿名化されたマニフェスト、ドキュメントをリリースし、外部監査官がすべての図を再現し、二重盲検要件を満たし、最小限の努力でフレームワークを拡張します。
  論文  参考訳（メタデータ） (2025-10-05T17:51:52Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)

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。