Buchumschlag

Measuring the Authority Stack of AI Systems: Empirical Analysis of 366,120 Forced-Choice Responses Across 8 AI Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Lee, Seulki
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Artificial Intelligence I.2.6; K.4.1
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Comparing Fairness of Generative Mobility Models
von: Wang, Daniel, et al.
Veröffentlicht: (2024)

Operational AI Deployment Assurance: Governance-State Orchestration Under Threshold-Sensitive Deployment Conditions -- A Governance Framework for High-Stakes AI Systems
von: Alsayed, Khalid Adnan
Veröffentlicht: (2026)

AI Integrity: A New Paradigm for Verifiable AI Governance
von: Lee, Seulki
Veröffentlicht: (2026)

Toward Individual Fairness Without Centralized Data: Selective Counterfactual Consistency for Vertical Federated Learning
von: Wasif, Dawood, et al.
Veröffentlicht: (2026)

PRISM Risk Signal Framework: Hierarchy-Based Red Lines for AI Behavioral Risk
von: Lee, Seulki
Veröffentlicht: (2026)

Futurity as Infrastructure: A Techno-Philosophical Interpretation of the AI Lifecycle
von: Cote, Mark, et al.
Veröffentlicht: (2025)

Not Everything That Counts Can Be Counted: A Case for Safe Qualitative AI
von: Beltoft, Stine, et al.
Veröffentlicht: (2025)

Fairness Interventions: A Study in AI Explainability
von: Souverain, Thomas, et al.
Veröffentlicht: (2024)

Membership Inference Attacks against Large Audio Language Models
von: Dong, Jia-Kai, et al.
Veröffentlicht: (2026)

Fairness Is Not Enough: Auditing Competence and Intersectional Bias in AI-powered Resume Screening
von: Webster, Kevin T
Veröffentlicht: (2025)

Inference Scaling Reshapes AI Governance
von: Ord, Toby
Veröffentlicht: (2025)

Bias Mitigation for AI-Feedback Loops in Recommender Systems: A Systematic Literature Review and Taxonomy
von: Stoecker, Theodor, et al.
Veröffentlicht: (2025)

Scalable and Verifiable Federated Learning for Cross-Institution Financial Fraud Detection
von: Panth, Prajwal, et al.
Veröffentlicht: (2026)

LLM-FACETS: A Privacy-Preserving Framework for Evaluating LLM Transparency and Accountability
von: Lucas, Tom, et al.
Veröffentlicht: (2026)

The AI Fiction Paradox
von: Elkins, Katherine
Veröffentlicht: (2026)

Selecting for Less Discriminatory Algorithms: A Relational Search Framework for Navigating Fairness-Accuracy Trade-offs in Practice
von: Samad, Hana, et al.
Veröffentlicht: (2025)

Learning the Signature of Memorization in Autoregressive Language Models
von: Ilić, David, et al.
Veröffentlicht: (2026)

Human Values in a Single Sentence: Moral Presence, Hierarchies, and Transformer Ensembles on the Schwartz Continuum
von: Yeste, Víctor, et al.
Veröffentlicht: (2026)

REMIND: Input Loss Landscapes Reveal Residual Memorization in Post-Unlearning LLMs
von: Cohen, Liran, et al.
Veröffentlicht: (2025)

Privacy as Commodity: MFG-RegretNet for Large-Scale Privacy Trading in Federated Learning
von: Sun, Kangkang, et al.
Veröffentlicht: (2026)

HybridVFL: Disentangled Feature Learning for Edge-Enabled Vertical Federated Multimodal Classification
von: Anoosha, Mostafa, et al.
Veröffentlicht: (2025)

Tatemae: Detecting Alignment Faking via Tool Selection in LLMs
von: Leonesi, Matteo, et al.
Veröffentlicht: (2026)

From Safety Risk to Design Principle: Peer-Preservation in Multi-Agent LLM Systems and Its Implications for Orchestrated Democratic Discourse Analysis
von: Dietrich, Juergen
Veröffentlicht: (2026)

Uncovering Bugs in Formal Explainers: A Case Study with PyXAI
von: Huang, Xuanxiang, et al.
Veröffentlicht: (2025)

How Does Environmental Information Disclosure Affect Corporate Environmental Performance? Evidence from Chinese A-Share Listed Companies
von: Lin, Zehao
Veröffentlicht: (2025)

Learning from Discriminatory Training Data
von: Grabowicz, Przemyslaw A., et al.
Veröffentlicht: (2019)

How Worrying Are Privacy Attacks Against Machine Learning?
von: Domingo-Ferrer, Josep
Veröffentlicht: (2025)

Closing the SNAP Gap: Identifying Under-Enrollment in High-Poverty ZIP Codes
von: Ray, Auyona
Veröffentlicht: (2025)

Will Humanity Be Rendered Obsolete by AI?
von: Louadi, Mohamed El, et al.
Veröffentlicht: (2025)

More Context, Larger Models, or Moral Knowledge? A Systematic Study of Schwartz Value Detection in Political Texts
von: Yeste, Víctor, et al.
Veröffentlicht: (2026)

Who Governs the Machine? A Machine Identity Governance Taxonomy (MIGT) for AI Systems Operating Across Enterprise and Geopolitical Boundaries
von: Kurtz, Andrew, et al.
Veröffentlicht: (2026)

Privately Fine-Tuned LLMs Preserve Temporal Dynamics in Tabular Data
von: Rosenblatt, Lucas, et al.
Veröffentlicht: (2026)

The Epistemic Suite: A Post-Foundational Diagnostic Methodology for Assessing AI Knowledge Claims
von: Kelly, Matthew
Veröffentlicht: (2025)

SafetyDrift: Predicting When AI Agents Cross the Line Before They Actually Do
von: Dhodapkar, Aditya, et al.
Veröffentlicht: (2026)

Why we need an AI-resilient society
von: Bartz-Beielstein, Thomas
Veröffentlicht: (2019)

BioRefusalAudit: Auditing Biosecurity Refusal Depth Using General and Domain-Fine-Tuned Sparse Autoencoders
von: DeLeeuw, Caleb
Veröffentlicht: (2026)

Do Schwartz Higher-Order Values Help Sentence-Level Human Value Detection? A Study of Hierarchical Gating and Calibration
von: Yeste, Víctor, et al.
Veröffentlicht: (2026)

Digital Forgetting in Large Language Models: A Survey of Unlearning Methods
von: Blanco-Justicia, Alberto, et al.
Veröffentlicht: (2024)

The Necessity of AI Audit Standards Boards
von: Manheim, David, et al.
Veröffentlicht: (2024)

Engineering Trustworthy AI: A Developer Guide for Empirical Risk Minimization
von: Pfau, Diana, et al.
Veröffentlicht: (2024)