HN 日本語サマリー

← 一覧へ戻る
AI・機械学習

公的サービスがLLM生成された給付金申請により逼迫

Public services are increasingly strained by LLM-written appeals for benefits (arxiv.org)

24 pointsby lensecat15 コメント

要約

AIエージェントが政府サービスとのやり取りを容易にしていますが、それに伴う需要の急増は、準備の整っていない政府サービスを逼迫させる可能性があります。本研究では、84件の事例データに基づき、LLMが安価にテキストを生成することで、このような「エージェントによる公的サービスへの洪水」が広範に発生している可能性を指摘しています。また、リスクの高いサービスを特定し、摩擦を生む手数料などの対策は公平なアクセスを犠牲にする可能性があると結論づけています。

全文翻訳

コンピュータサイエンス > コンピュータと社会 arXiv:2608.16603 (cs) [2026年8月17日提出 (v1), 最終更新 2026年8月19日 (本バージョン, v2)] タイトル: 公的サービスへのエージェントによる洪水現象の特性評価 著者: Chris Schmitz, Lewis Hammond, Alan Chan Chris Schmitzらによる「公的サービスへのエージェントによる洪水現象の特性評価」というタイトルのPDFを表示 PDF HTML (実験的) を表示 要旨: AIエージェントは、人々が給付金申請をしたり、複雑なポリシーを理解したり、意見を表明したりするのを支援することで、政府とのやり取りを容易にしています。サービスへのアクセスを改善することは有益ですが、それに伴う需要の急増は、準備の整っていない政府サービスを逼迫させる可能性があります。私たちはそのような急増を「公的サービスへのエージェントによる洪水現象(flooding)」と呼び、3つの貢献をします。第一に、11の管轄区域にわたる84件の潜在的な洪水事例の収集データに基づき、洪水は現在、主に大規模言語モデル(LLM)が安価にテキストを生成することによって、広範に発生している可能性が高いと提唱します。第二に、どのサービスが洪水に最も晒されているかを評価します。リスクマトリックスを開発してサービスの露出を分析し、短期的なリスクは金銭的に魅力的だが複雑なサービスで最も高いと示唆します。最後に、洪水に対する可能な政府の対応をマッピングします。前例によれば、これらの対応はほとんどの洪水事例を停止するのに十分であると予想されますが、展開が最も速い摩擦を生む対策(手数料など)は、しばしば公的サービスへの公平なアクセスとトレードオフになります。したがって、私たちは、政府がこのトレードオフを呼び起こすことなく洪水を緩和できる可能性のある短期的な行動を推奨して締めくくります。 コメント: 9th AAAI Conference on AI, Ethics, and Society (AIES) の議事録に掲載予定、2026年10月12~14日 件名: コンピュータと社会 (cs.CY) 引用形式: arXiv:2608.16603 [cs.CY] (またはこのバージョンについては arXiv:2608.16603v2 [cs.CY]) https://doi.org/10.48550/arXiv.2608.16603 詳細はこちらをクリックして学習 arXiv発行のDOI (DataCite経由) 提出履歴 送信者: Chris Schmitz [メール表示] [v1] 月曜日, 2026年8月17日 13:59:28 UTC (248 KB) [v2] 水曜日, 2026年8月19日 16:17:45 UTC (248 KB) 全文リンク: 論文にアクセス: Chris Schmitzらによる「公的サービスへのエージェントによる洪水現象の特性評価」というタイトルのPDFを表示 PDF HTML (実験的) TeXソース ライセンスを表示 現在の閲覧コンテキスト: cs.CY < 前 | 次 > 新着 | 最近 | 2026-08 次の方法で閲覧を変更: cs 参考文献と引用 NASA ADS Google Scholar Semantic Scholar エクスポート BibTeX 引用 読み込み中... BibTeX形式の引用 × 読み込み中... 提供元データ: ブックマーク 書誌ツール 書誌および引用ツール 書誌エクスプローラー 書誌エクスプローラーを切り替える (エクスプローラーとは?) Connected Papers Connected Papers を切り替える (Connected Papersとは?) Litmaps Litmaps を切り替える (Litmapsとは?) scite.ai scite スマート引用を切り替える (スマート引用とは?) コード、データ、メディア この論文に関連するコード、データ、メディア alphaXiv alphaXiv を切り替える (alphaXivとは?) コードへのリンク CatalyzeX CatalyzeX コードファインダー (論文用) を切り替える DagsHub DagsHub を切り替える (DagsHubとは?) GotitPub GotitPub を切り替える (GotitPubとは?) Huggingface Hugging Face を切り替える (Huggingfaceとは?) ScienceCast ScienceCast を切り替える (ScienceCastとは?) デモ デモ Replicate Replicate を切り替える (Replicateとは?) Spaces Hugging Face Spaces を切り替える (Spacesとは?) Spaces TXYZ.AI を切り替える (TXYZ.AIとは?) 関連論文 レコメンダーおよび検索ツール Influence Flower へのリンク Influence Flower (Influence Flowersとは?) Core レコメンダーを切り替える CORE レコメンダー (COREとは?) 著者 会場 機関 トピック arXivについて arXivLabs arXivLabs: コミュニティ協力者との実験的なプロジェクト arXivLabsは、協力者が当社のウェブサイト上で直接新しいarXivの機能を開発および共有できるフレームワークです。arXivLabsと協力する個人および組織は、オープンさ、コミュニティ、卓越性、ユーザーデータプライバシーという私たちの価値観を受け入れ、受け入れています。arXivはこれらの価値観にコミットしており、それらを遵守するパートナーのみと協力します。コミュニティに価値をもたらすプロジェクトのアイデアがありますか?arXivLabsについて学ぶ。 この論文の著者のうち、推薦者は誰ですか? | MathJax を無効にする (MathJaxとは?)