論文の概要: Game theory of academic effort and hiring in the age of AI
- arxiv url: http://arxiv.org/abs/2610.35802v1
- Date: Mon, 26 Oct 2026 17:35:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:14.12905
- Title: Game theory of academic effort and hiring in the age of AI
- Title（参考訳）: AI時代の学問的努力と雇用のゲーム理論
- Abstract要約: AIの前には、理論的な結果が強い十分に書かれた研究論文が、著者が自身の分野を深く理解する信頼できる信号として機能していた。
AIが広くアクセスできるようになった今、このような信号はより安価に生産できるようになった。
AIの時代は、学術職市場の両側に疑問を投げかける。
- 参考スコア（独自算出の注目度）: 1.6042394978941517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many academic disciplines (in particular, mathematics and the theoretical sciences) face difficult questions about how to adapt their practices to the rise of highly capable artificial intelligence (AI). Before AI, a well-written research paper with a strong theoretical result acted as a reliable signal that its authors understood their field in depth. Now that AI is widely accessible, such signals have become cheaper to produce. As a result, they no longer reliably sort academics by their level of understanding. This has direct consequences for academic hiring. The age of AI raises a question for each side of the academic job market. Should an early-career researcher invest in a deep understanding of their field, or instead use AI to build a longer resume with many papers? Should a recruiter favor applicants with fewer papers who pass an interview aimed at probing understanding, or insist on both publication volume and a pass? In this paper, we develop a game-theoretic model of this two-sided dilemma. We classify all pure-strategy equilibria that can arise in this game and use learning simulations to identify the behaviors that populations of applicants and recruiters may learn to adopt. Our analysis provides a framework for reasoning about how academic hiring can adapt to AI and for evaluating practices that preserve the value of deep understanding.
- Abstract（参考訳）: 多くの学術分野(特に数学と理論科学)は、その実践を高度な人工知能(AI)の台頭にどのように適応するかという難しい問題に直面している。
AIの前には、理論的な結果が強い十分に書かれた研究論文が、著者が自身の分野を深く理解する信頼できる信号として機能していた。
AIが広くアクセスできるようになった今、このような信号はより安価に生産できるようになった。
結果として、彼らは学者をその理解レベルによって確実に分類することができない。
これは学術的な雇用に直接的な影響をもたらす。
AIの時代は、学術職市場の両側に疑問を投げかける。
アーリーケアの研究者は、自分の分野の深い理解に投資すべきか、それともAIを使って、多くの論文で長い履歴書を作るべきか?
採用者は、調査対象の面接に合格する論文が少ない応募者や、出版量と合格証の両方を主張すべきだろうか。
本稿では,この二面ジレンマのゲーム理論モデルを開発する。
我々は、このゲームで起こりうる全ての純粋戦略均衡を分類し、学習シミュレーションを使用して、応募者や採用者の集団が採用する可能性のある行動を特定する。
私たちの分析は、学術的な雇用がAIにどのように適応できるかを推論するためのフレームワークを提供し、深い理解の価値を保存するプラクティスを評価するためのフレームワークを提供します。
関連論文リスト
- Translating AI into scientific impact: Field context, career position, and institutional capability in AI-enabled research [0.6050783704803797]
本研究では、AI知識の統合が科学的影響とどのように結びついているかを検討し、科学におけるAI関連の知識の恩恵を問う。
大規模データを用いて,OpenAlex人工知能サブフィールドの論文を参照して,AI統合を測定する。
結果は、AI参照は一般的により高い引用の影響と関連していることを示しているが、そのリターンは科学分野によって大きく異なることを示している。
論文 参考訳（メタデータ） (2026-07-18T11:31:04Z) - Characterizing initial human-AI proof formalization workflows [66.06866890889131]
AIシステムのコード生成能力の進歩と、証明を形式化し、検証する人々の能力を変えるための高度な数学的推論の約束への関与。
我々は、AIが人々のフォーマル化に与える影響について、混合メソッド分析を行う。
質的な調査では、人々の好みは多様であるが、形式化におけるAI支援に対する一般的な欲求が示されている。
論文 参考訳（メタデータ） (2026-06-02T22:58:19Z) - Vibe Researching as Wolf Coming: Can AI Agents with Skills Replace or Augment Social Scientists? [4.181639770490221]
本稿では,バイブ符号化に並列したAI時代のバイブ研究の概念を紹介する(Karpathy, 2025)。
コーディフィビリティと暗黙の知識要求という2つの側面に沿って研究活動を分類する認知タスクフレームワークを開発する。
AIエージェントは、スピード、カバレッジ、方法論的な足場において優れているが、理論的な独創性と暗黙のフィールド知識に苦慮している、と私は主張する。
論文 参考訳（メタデータ） (2026-02-25T20:52:14Z) - Towards Autonomous Mathematics Research [48.29504087871558]
Aletheiaは、自然言語のエンドツーエンドの解を反復的に生成し、検証し、修正する数学研究エージェントである。
具体的には、AletheiaはGemini Deep Thinkの高度なバージョンで、推論の問題に挑戦している。
我々は、オリンピアード問題から博士レベルのエクササイズまで、AI支援数学研究におけるいくつかのマイルストーンを通じて、アレクシアを実証する。
論文 参考訳（メタデータ） (2026-02-10T18:50:15Z) - Rethinking Science in the Age of Artificial Intelligence [0.0]
我々は、ピアレビュー、倫理的評価、検証のような学術的学問において、AIは強化されるが人間の判断に取って代わるものではないと論じる。
本稿では、透明性、妥当性、説明責任を促進する政策を通じて、科学実践におけるAIの故意導入を訴える。
論文 参考訳（メタデータ） (2025-11-13T17:26:00Z) - SciMaster: Towards General-Purpose Scientific AI Agents, Part I. X-Master as Foundation: Can We Lead on Humanity's Last Exam? [51.112225746095746]
本稿では,人間研究者をエミュレートするツール強化推論エージェントであるX-Masterを紹介する。
XマスターズはHumanity's Last Examに32.1%のスコアで最新記録を樹立した。
論文 参考訳（メタデータ） (2025-07-07T17:50:52Z) - Mathematics and Machine Creativity: A Survey on Bridging Mathematics with AI [14.825293189738849]
本稿では,人工知能(AI)の数学的研究への応用について概観する。
近年のAIの発展、特に強化学習(RL)と大規模言語モデル(LLM)は、AIが数学に貢献する可能性を実証している。
この調査は、AIと数学の橋渡し、相互利益に関する洞察を提供し、より深い学際的理解を促進することを目的としている。
論文 参考訳（メタデータ） (2024-12-21T08:58:36Z) - Formal Mathematical Reasoning: A New Frontier in AI [60.26950681543385]
我々は公式な数学的推論を提唱し、AI4Mathを次のレベルに進めるには不可欠であると主張している。
既存の進捗を要約し、オープンな課題について議論し、将来の成功を測るための重要なマイルストーンを想定します。
論文 参考訳（メタデータ） (2024-12-20T17:19:24Z) - Metaethical Perspectives on 'Benchmarking' AI Ethics [81.65697003067841]
ベンチマークは、人工知能(AI)研究の技術的進歩を測定するための基盤とみられている。
AIの顕著な研究領域は倫理であり、現在、ベンチマークのセットも、AIシステムの「倫理性」を測定する一般的な方法もない。
我々は、現在と将来のAIシステムのアクションを考えるとき、倫理よりも「価値」について話す方が理にかなっていると論じる。
論文 参考訳（メタデータ） (2022-04-11T14:36:39Z) - Building Bridges: Generative Artworks to Explore AI Ethics [56.058588908294446]
近年,人工知能(AI)技術が社会に与える影響の理解と緩和に重点が置かれている。
倫理的AIシステムの設計における重要な課題は、AIパイプラインには複数の利害関係者があり、それぞれがそれぞれ独自の制約と関心を持っていることだ。
このポジションペーパーは、生成的アートワークが、アクセス可能で強力な教育ツールとして機能することで、この役割を果たすことができる可能性のいくつかを概説する。
論文 参考訳（メタデータ） (2021-06-25T22:31:55Z)
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。