論文の概要: Who Moved the Frontier? Paying Open Frontier Challenges with Free Identities
- arxiv url: http://arxiv.org/abs/2611.14974v1
- Date: Wed, 11 Nov 2026 03:34:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.998616
- Title: Who Moved the Frontier? Paying Open Frontier Challenges with Free Identities
- Title(参考訳): 誰がフロンティアを移動したのか? 自由なアイデンティティでフロンティアに挑戦
- Abstract要約: オープンフロンティアチャレンジでは、人またはAIエージェントが、共有された問題に対して変更を提出する。
最高のスコアに勝つ変化は、パブリックベースラインになります。
我々は、機械学習コンテストに提案される予測市場ルールについて検討する。
- 参考スコア(独自算出の注目度): 0.6138671548064355
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In an open frontier challenge, anyone, person or AI agent, submits changes to a shared problem, and a change that beats the best measured score becomes the public baseline. How should it pay when identities are free? Rank prizes can be gamed: on a replay of one track of a recent challenge, one solver's steps under two identities would have taken first and second prize. We consider a prediction-market rule, proposed for machine-learning contests, that pays each accepted step for the progress it adds; with exact scores, among rules that see only a step's start and end, only these resist splitting and merging, and extra identities gain nothing. With noisy scores and independent normal runs, we prove that any payment that never takes money back and pays real improvements also pays something, on average, to a change that does nothing. We propose a fee per submission, at least what luck pays per attempt, that removes each attempt's expected profit if verifiers are honest and no submission is noisier than planned; nothing enforces that bound, and under noise the rule does not cap the total paid. If crediting another and faking credit to one's second account look the same, a rule that neither rewards fakes nor punishes honesty pays for credit at most what lying costs. We introduce a royalty on how much a later gain falls without the earlier change, which needs no claims but needs removable changes. For five public challenges, we name the rule our results would support.
- Abstract(参考訳): オープンフロンティアチャレンジでは、人またはAIエージェントが、共有された問題に変更を提出し、最高のスコアを破る変更がパブリックベースラインとなる。
アイデンティティが無料になったら、どうやって支払えばいいのか?
最近のチャレンジの1トラックのリプレイでは、2つのアイデンティティの下の1つのソルバのステップが1位と2位を獲得した。
正確なスコアでは、ステップの開始と終了のみを見るルールの中で、これらは分割とマージに抵抗するだけであり、余分なアイデンティティは何も得られない。
ノイズの多いスコアと独立した正常な実行で、お金を取り返さず、真の改善を支払うすべての支払いが、平均的に、何もしない変化に何かを支払うことを証明します。
検証者が正直で、申請が計画よりノイズが多く、何も境界を強制せず、騒音の下では、規則は全額の支払いを制限しない。
他人を信用し、自分の第2のアカウントにクレジットを偽造すると、偽りの報酬も、正直な報酬も、殆どの嘘のコストで返済しないというルールが同じになる。
我々は、以前の変更なしに後続の利益がどれだけ低下するかについて、ロイヤリティを導入します。
5つの公的な課題に対して、私たちは結果がサポートするルールを名付けます。
関連論文リスト
- There Is No Free Lunch in RLVR: Every pass@1 Gain Has a pass@k Price [1.8750885569010352]
検証可能な報酬(RLVR)による強化学習は、最初の試行において言語モデルがより多くの問題を解き、試行数が増えると少ない。
排他的な特殊化の下では、pass@1を発行する更新はすべて、いくつかのプロンプトの成功を厳密に低下させる。
同じ傾きの恒等式はエントロピー崩壊とエントロピー・パフォーマンス法則を識別可能な指数で生成する。
論文 参考訳(メタデータ) (2026-10-29T03:43:26Z) - Thumb on the scale: Using traditional wargaming adjudication practices to improve AI-judged evaluations and grading [0.0]
オープンエンドのAI作業は、チェックする唯一の正しい回答を持っていないため、審査員(しばしば別のAI)がそれぞれの結果を決定する。
我々は,AIを応用した9つの競技の378人の選手の行動に対して,その判断方法である1つを検証した。
論文 参考訳(メタデータ) (2026-10-23T02:11:01Z) - Certified Corruption Budgets: Anytime-Valid Leaderboard Claims under Adaptive Rigging [13.385373310554327]
認定された汚職予算、寛大な$widehatB_t$を$t$レコードの後に計算し、それぞれの主張をまとめて発行する。
確率が最低でも1〜1ドルであれば、その主張は正しいか、あるいは$widehatB_t$以上の記録が破損した。
実際の投票では、我々の証明は、約2000票の偽投票に耐える、明確に分離されたモデルを示している。
論文 参考訳(メタデータ) (2026-10-06T21:20:14Z) - DiG-bench: Discovery in Games [46.68149875140523]
ディグベンチは70の独立したゲームからなる。
ゲームのレベルは、ルールが発見されたかどうかをテストするための一連の課題を提示します。
70試合は全て、最初の試みで少なくとも1人の人間によって解決された。
論文 参考訳(メタデータ) (2026-08-12T21:06:06Z) - Does a Toehold Make a Bidder Bolder? Preemption and Multiplicity in Multi-Round Takeover Auctions [0.0]
入札者は、その提案を行う前に、静かに会社の株式を購入することができる。
その持ち株は、額が2倍になるはずである。
しかし、手足の持ち主は現実には稀で、立証パズルだ。
論文 参考訳(メタデータ) (2026-08-09T01:48:53Z) - Adversarial Reward Auditing for Active Detection and Mitigation of Reward Hacking [69.06218054848803]
本稿では,報酬ハッキングを動的かつ競争的なゲームとして再認識するフレームワークであるAdrial Reward Auditing(ARA)を提案する。
まず、ハッカーポリシーは報酬モデルの脆弱性を発見し、監査人は潜伏表現からのエクスプロイトを検出することを学習する。
ARAはすべてのベースラインの中で最高のアライメントユーティリティトレードオフを実現しています。
論文 参考訳(メタデータ) (2026-02-02T07:34:57Z) - Breaking the Metric Voting Distortion Barrier [10.143374372425757]
社会選択における計量歪みの問題を考察する。
歪み3-epsilon$を保証するランダム化ルールを見つけることは、計算社会選択において大きな課題である。
歪みを2.753ドル未満で保証する規則を与えます。
論文 参考訳(メタデータ) (2023-06-30T17:56:33Z) - The price of unfairness in linear bandits with biased feedback [62.25313751895011]
線形帯域フィードバックによる逐次意思決定の問題点について検討する。
その結果,不偏フィードバック下で得られたdT 1/2 log(T) の後悔率よりも最悪の後悔率が高いことがわかった。
興味深いことに、ギャップ依存率によって、問題はバイアスのないものほど難しくない非自明なインスタンスの存在が明らかになる。
論文 参考訳(メタデータ) (2022-03-18T08:03:20Z) - Bribery as a Measure of Candidate Success: Complexity Results for
Approval-Based Multiwinner Rules [58.8640284079665]
有権者が承認投票(すなわち、承認した候補者の集合)を投じた場合のマルチウィナー選挙における贈収賄の問題を研究する。
我々は、いくつかの承認ベースのマルチウィナールール(AV、SAV、GAV、RAV、承認ベースのチェンバリン--Courant、およびPAV)を検討します。
一般に、我々の問題は、勝利した委員会の候補者の承認数を増やすための贈収賄行為を制限した場合、より容易になる傾向がある。
論文 参考訳(メタデータ) (2021-04-19T08:26:40Z) - Competing Bandits: The Perils of Exploration Under Competition [99.68537519404727]
オンラインプラットフォーム上での探索と競争の相互作用について検討する。
私たちは、スタークコンペティションが企業に対して、低福祉につながる「欲張り」バンディットアルゴリズムにコミットするよう促すことに気付きました。
競争を弱めるための2つのチャンネルについて検討する。
論文 参考訳(メタデータ) (2020-07-20T14:19:08Z)
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。