論文の概要: The 3-Tier Integrated Technology Risk Model for Occupational Safety and Health
- arxiv url: http://arxiv.org/abs/2611.02257v1
- Date: Sun, 01 Nov 2026 22:22:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-12 05:26:49.11107
- Title: The 3-Tier Integrated Technology Risk Model for Occupational Safety and Health
- Title(参考訳): 作業安全・健康のための3層統合型技術リスクモデル
- Abstract要約: 3-Tier Integrated Technology Risk Modelは、OSH(Occupational Safety and Health)管理のための進歩的なフレームワークである。
このモデルは、静的でリアクティブな安全プラクティスから、洗練された予測可能な安全パラダイムへと進化する、構造化された経路を提供する。
- 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: This paper presents the 3-Tier Integrated Technology Risk Model, a progressive framework for Occupational Safety and Health (OSH) management that integrates Job Safety Analysis (JSA), dynamic risk assessment using leading and lagging indicators, and predictive analytics powered by Large Language Models (LLMs). The model provides organizations with a structured pathway to evolve from static, reactive safety practices to a sophisticated, predictive safety paradigm. Each tier builds upon the previous one, creating a comprehensive, data-driven approach that enables just-in-time training and preemptive risk mitigation.
- Abstract(参考訳): 本稿では,職業安全分析(JSA)を統合したOSH(Occupational Safety and Health)管理の進歩的フレームワークである3Tier Integrated Technology Risk Modelを提案する。
このモデルは、静的でリアクティブな安全プラクティスから、洗練された予測可能な安全パラダイムへと進化する、構造化された経路を提供する。
各層は以前の層の上に構築され、ジャスト・イン・タイムのトレーニングとプリエンプティブ・リスク軽減を可能にする包括的でデータ駆動のアプローチを作成する。
関連論文リスト
- JT-SAFE-V2: Safety-by-Design Foundation Model with World-Context Data [53.59414720003988]
JT-Safe-V2は,基礎モデルの安全性と信頼性を高めるために設計された大規模言語モデルである。
また,複数のモデルやエージェントを組織的に配置することで,トレース可能かつ効率的な推論を可能にするフレームワークであるSafe-MoMAを提案する。
論文 参考訳(メタデータ) (2026-05-23T05:57:30Z) - Safe Reinforcement Learning via Recovery-based Shielding with Gaussian Process Dynamics Models [57.006252510102506]
強化学習(Reinforcement Learning, RL)は、最適な意思決定と制御のための強力なフレームワークである。
本稿では,未知および非線形連続力学系に対する安全性を低くした安全RLを実現するための新しい回復型遮蔽フレームワークを提案する。
論文 参考訳(メタデータ) (2026-02-12T22:03:35Z) - Adapting Probabilistic Risk Assessment for AI [0.0]
汎用人工知能(AI)システムは、緊急リスク管理の課題を示す。
現在の手法は、しばしば選択的なテストとリスク優先順位に関する未文書の仮定に依存します。
本稿では,AIフレームワークの確率的リスクアセスメント(PRA)を紹介する。
論文 参考訳(メタデータ) (2025-04-25T17:59:14Z) - A Formal Framework for Assessing and Mitigating Emergent Security Risks in Generative AI Models: Bridging Theory and Dynamic Risk Mitigation [0.3413711585591077]
大規模言語モデル(LLM)や拡散モデルを含む生成AIシステムが急速に進歩するにつれ、その採用が増加し、新たな複雑なセキュリティリスクがもたらされた。
本稿では,これらの突発的なセキュリティリスクを分類・緩和するための新しい形式的枠組みを提案する。
我々は、潜時空間利用、マルチモーダル・クロスアタック・ベクター、フィードバックループによるモデル劣化など、未探索のリスクを特定した。
論文 参考訳(メタデータ) (2024-10-15T02:51:32Z) - EARBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [53.717918131568936]
EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。
高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。
しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。
本研究では,EAIシナリオにおける身体的リスクの自動評価のための新しいフレームワークEARBenchを紹介する。
論文 参考訳(メタデータ) (2024-08-08T13:19:37Z) - Towards Safer Generative Language Models: A Survey on Safety Risks,
Evaluations, and Improvements [76.80453043969209]
本調査では,大規模モデルに関する安全研究の枠組みについて述べる。
まず、広範囲にわたる安全問題を導入し、その後、大型モデルの安全性評価手法を掘り下げる。
トレーニングからデプロイメントまで,大規模なモデルの安全性を高めるための戦略について検討する。
論文 参考訳(メタデータ) (2023-02-18T09:32:55Z)
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。