Newest papers

Reusing Assurance Evidence in AI Pipelines: Validity Conditions, a Fail-Closed Release Gate, and a Replay of 714 Public Data Version Control Pipelines

Atanu Mukhopadhyay, Shravya Reddy Nalla · 2026 · arXiv

DOI: 10.48550/arXiv.2610.27672 · open-access PDF

Hindi

एक कृत्रिम बुद्धि (एआई) पाइपलाइन के लिए हर परिवर्तन के बाद प्रत्येक प्रबंधन नियंत्रण को फिर से लागू करना महंगा है, इसलिए टीमों को पहले के परिणामों का पुनः उपयोग करना सुरक्षित है. पुनः उपयोग केवल तब है जब प्रत्येक नियंत्रण की घोषित निर्भरताओं में उसके परिणाम को बदलने में सक्षम होने वाले सभी चीजों को कवर किया जाता है, और केवल अगर रिलीज गेट चेक करता है कि पुनः उपयोग किए गए सबूत रिलीज होने वाले उम्मीदवार को वर्णित करते हैं. यह लेख दोनों शर्तों को स्पष्ट करता है और मापता है कि पहले के अभ्यास में कितनी बार विफलता होती है. यह परिभाषित करता है कि जब एक हस्ताक्षर किए गए सबूत रिकॉर्ड एक उम्मीदवार के लिए वैध है और पर्याप्त शर्तें देता है जिनके तहत परिवर्तन-

Machine translation (Meta M2M100); the English original follows.

Abstract

Rerunning every governance control after every change to an artificial intelligence (AI) pipeline is expensive, so teams reuse earlier results. Reuse is safe only if each control's declared dependencies cover everything that can change its outcome, and only if the release gate checks that reused evidence describes the candidate being released. This article makes both conditions explicit and measures how often the first fails in practice. It defines when a signed evidence record is valid for a candidate and gives sufficient conditions under which change-local re-execution reaches the same relea

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange