Newest papers

Reliable AI-Assisted Decisions via Selective Auditing

Isaac Gibbs, Elise L. Han, Ryan J. Tibshirani, Tijana Zrnic · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.31662 · cited by 0 works (OpenAlex) · open-access PDF

Russian

Мы рассматриваем онлайн-мониторинг данных системы ИИ, которая производит последовательность решений. В каждом раунде система выводит предлагаемое решение вместе с баллом доверия, оценивающим надежность решения. Решение и балл доверия не нужно производить по той же модели: например, один агент может предложить решение, в то время как отдельный проверяющий агент оценивает его и выводит балл правильности или безопасности. На основе этой информации мы должны решить, принимаем ли мы решение ИИ автоматически или консультируемся с экспертом, таким как человеческий аудитор, который оценивает предложение и либо принимает его, либо исправляет его. Мы формулируем эту задачу как онлайн-ограниченную проблему оптимизации, в которой целью является минимизация частоты ошибок экспертного аудита, гарантируя при этом, что доля ошибок ИИ

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

Abstract

We consider online monitoring of an AI system that produces a sequence of decisions. At each round, the system outputs a proposed decision together with a confidence score estimating the trustworthiness of the decision. The decision and confidence score need not be produced by the same model: for example, one agent may propose a decision, while a separate verifier agent evaluates it and outputs a correctness or safety score. Based on this information, we must decide whether to accept the AI decision automatically or consult an expert, such as a human auditor, who reviews the proposal and either accepts or corrects it. We formulate this task as an online constrained optimization problem in which the goal is to minimize the frequency of expert auditing while guaranteeing that the fraction of AI errors that go unaudited stays below a user-defined threshold. We derive a family of algorithms with provable error-control guarantees with no assumptions, including a method that is optimally efficient: it asymptotically attains the best achievable auditing rate for both adversarial and i.i.d. data streams. Experiments on screening harmful requests to large language models, qualitative text annotation, and data labeling show that our methods achieve valid error control in practice while substantially reducing the need for human auditing compared to baselines.

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

Topics: Correctness, Computer science, Audit, Task (project management), Sequence (biology), Control (management)

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