arXiv cs.AI· Sarah Tran, Anna-Maria Gueorguieva, Eva Maxfield Brown, Nicholas Weber·· 4 小时前AI 评分31
研究揭示 AI 监管公众意见中的证据供给差异:企业提交证据更少
Honest Brokers in AI Regulation: How Public Comments Introduce Evidence to Regulators
AI 导读
一项针对美国 AI 监管的研究构建了 40 项潜在监管规则、2664 条公众意见的语料库,计算提取正式引用与非正式参考形式的证据。在控制意见长度后,企业提交者提供的证据总量更少,政府、高校和公民社会提交者则提供显著更多的研究与法律来源。被引研究的发表状态几乎均分,预印本与同行评审论文由各类提交者共同引入;自引普遍存在,但少数组织占了全部自引的一半以上。
正文 · AI 翻译
摘要:人工智能的监管容易受到多种形式的俘获,其主体是那些对政策制定过程拥有不当影响力的行业参与者,部分原因在于他们在开发这些技术方面具有信息优势。在以下论文中,我们研究了公众评论者在美国为潜在监管提供证据方面所扮演的角色。我们构建了一个包含 40 项潜在监管和由各类利益相关者提交的 2,664 条公众评论的语料库。我们通过计算处理这些文本,以提取旨在为监管者提供信息的证据,其形式为正式引用和非正式参考。我们发现所提供证据的类型和数量存在显著差异:在保持评论长度不变的情况下,企业评论者引入的证据总体上更少,而政府、大学和公民社会评论者提供的学术和法律来源显著更多。被引用研究的发表状态几乎均匀分布,预印本和同行评审文章均由各类评论者引入。我们进一步探究了自引模式,发现虽然自引在所有群体中都很普遍,但一小群组织占我们语料库中所有自引的一半以上。我们的发现使“公众评论仅仅是信息俘获手段”这一叙事变得复杂。我们从评论者试图在政策制定过程中扮演的角色——即议题倡导者或诚实中间人——的角度来解释这些结果。这些关于公众评论中证据供给的发现,揭示了一种常被忽视的政策制定形式,它对信息如何以及通过何种来源为人工智能监管者所获取具有启示意义。
| 主题: | 人工智能(cs.AI) |
| 引用为: | arXiv:2611.21948 [cs.AI] |
| (或 arXiv:2611.21948v1 [cs.AI] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.21948 arXiv 颁发的 DOI 通过 DataCite(待注册) |
提交历史
来自:Sarah Tran [查看电子邮件]
[v1]
2026年11月16日星期一 22:10:18 UTC(1,283 KB)
来源:arXiv cs.AI · arxiv.org