Hidden Coalitions in Multi-Agent AI: A Spectral Diagnostic from Internal Representations
マルチエージェントAIの内部表現から隠れた連合（コアリション）を検出する新しい手法が開発されました。
AI倫理
1441件
ブラックボックスを超えて：エージェントAIのツール利用における解釈可能性
AIエージェントのツール利用における内部状態を解釈し、失敗の原因を特定する新しい手法が提案されました。
RLHFにおける認知バイアスを合理性調整で軽減する
人間からのフィードバック（RLHF）を用いたAIモデル学習において、認知バイアスによる影響を軽減する新し…
いつでも有効な保証付きAIシステム向け適応型監査
生成AIシステムの故障モードを特定する適応型監査手法が提案されました。
RLVERを破れるか？強化学習で訓練された共感AIエージェントの敵対的堅牢性を探る
強化学習で訓練された共感AIエージェントの、敵対的なユーザー入力に対する堅牢性が評価されました。
RuleSafe-VL: 視覚言語コンテンツモデレーションにおけるルール条件付き意思決定推論の評価
コンテンツモデレーションのルール条件付き意思決定推論を評価する新しいベンチマーク「RuleSafe-VL」が発…
AIによる資源配分の限界：偶発的（アレアトリー）不確実性下での最適スクリーニング
AIによる資源配分において、偶発的な不確実性が誤配分を完全に排除できないことを研究しました。
教育用LLMチューターにおけるプロンプトインジェクション防御の評価：セキュリティ・ユーザビリティ・遅延のトレードオフ
教育用LLMチューターのプロンプトインジェクション防御策が、セキュリティ・ユーザビリティ・遅延のバラン…
エージェントAIとサイバー攻撃の産業化：企業と中小企業への予測、影響、防御の優先事項
エージェントAIがサイバー攻撃のライフサイクルを短縮し、攻撃コストを大幅に削減するリスクが指摘されま…
自律型AIエージェント向けW3C VC+DID信頼インフラの実装と実証
自律型AIエージェント間の信頼を確立する「MolTrust」というインフラがW3C標準技術で構築・展開されました…
複数集団によるアルゴリズム的集団行動のための統計的枠組み
複数の集団が同じ学習システムに影響を与える「アルゴリズム的集団行動（ACA）」を分析する統計的枠組みが…
表形式拡散モデルにおけるプライバシー漏洩：影響要因、攻撃者の知識、および評価指標
表形式拡散モデル（TDMs）が生成する合成データにおけるプライバシー漏洩のリスクが定量的に評価されまし…