本論文は、利用ベースのAI規制が抱える根本的な問題から出発する。規制は展開リスクに応じて義務を割り当てるが、その義務を運ぶための証拠対象が欠けている。著者は、ベンチマークスコアはモデルの属性にすぎず、展開の適合性は宣言された文脈分布下での失敗率として定義されるべきだと主張する。この失敗率は範囲によって限定され、有効期限を持つ。
論文は先行研究の「委任契約」、すなわち凍結構成、範囲限定された主張、実行可能な改訂ルールを引き継ぎ、展開者、監査者、執行点の間の戦略的博弈の下で分析する。具体的には五つの問いを立てる。宣言された文脈混合を真実にできるか。評価トラフィックを検知するシステムに対して監査を不偏にできるか。認証エラーバジェットは長期展開を支えられるか。集約監査はサブグループごとの保証を支えられるか。システム失敗のみを数えフォールバックコストを無視するインシデント指標は、各取り決めを正しく順位付けできるか。
各問いに対してメカニズムと命題が提示される。第一に、宣言混合への適切なスコアリング罰則は、最適応答する展開者の超過失敗を罰則重みλのO(λ^{-1/2})で上界づける。第二に、実トラフィックから抽出するコミット・リビール監査は構造的に不偏であり、同じサンプルで評価者を採点する。第三に、エラーバジェットを半減させると認証カバレッジは(1-p)^nを下回るが、α投資は限界的な誤認証保証の下でカバレッジを維持する。第四に、サブグループ保証のコストは、サブグループ質量mに対して監査サイズが1/mでスケールする。第五に、失敗のみを数えるインシデント指標は、総損失が逆の順位を示す場合でも、あらゆるフォールバックコストで撤退を選好する。
著者は五つの事前登録済み合成研究で各主張を検証する。言語モデルや本番システムは一切評価していない点を明示している。執行は配布、能力アクセス、収益化、リスク移転のチョークポイントに位置し、適合性記録の有効期限は注意義務の基準となる。そして「率としての適合性」は、EU AI Actの静的な適合性評価と対比される。