論文の概要: Instance Dependent Testing of Samplers using Interval Conditioning

• arxiv url: http://arxiv.org/abs/2512.06458v1
• Date: Sat, 06 Dec 2025 14:45:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-09 22:03:54.370063
• Title: Instance Dependent Testing of Samplers using Interval Conditioning
• Title（参考訳）: インターバルコンディショニングを用いたサンプリング器のインスタンス依存テスト
• Authors: Rishiraj Bhattacharyya, Sourav Chakraborty, Yash Pote, Uddalok Sarkar, Sayantan Sen,
• Abstract要約: 本研究は, インスタンス依存効率で最初のサンプル試験器を設計する。 本研究では,未知の確率分布と未知の確率分布との新たな距離推定アルゴリズムを用いて実験を行った。 実験は、最先端のテスタよりも最大1000倍のスピードアップを達成します。
• 参考スコア（独自算出の注目度）: 10.939345026823842
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sampling algorithms play a pivotal role in probabilistic AI. However, verifying if a sampler program indeed samples from the claimed distribution is a notoriously hard problem. Provably correct testers like Barbarik, Teq, Flash, CubeProbe for testing of different kinds of samplers were proposed only in the last few years. All these testers focus on the worst-case efficiency, and do not support verification of samplers over infinite domains, a case occurring frequently in Astronomy, Finance, Network Security, etc. In this work, we design the first tester of samplers with instance-dependent efficiency, allowing us to test samplers over natural numbers. Our tests are developed via a novel distance estimation algorithm between an unknown and a known probability distribution using an interval conditioning framework. The core technical contribution is a new connection with probability mass estimation of a continuous distribution. The practical gains are also substantial: our experiments establish up to 1000x speedup over state-of-the-art testers.
• Abstract（参考訳）: サンプリングアルゴリズムは確率的AIにおいて重要な役割を果たす。 しかし、実際に要求分布からサンプルプログラムがサンプリングされているかどうかを検証することは、非常に難しい問題である。 Barbarik氏、Teq氏、Flash氏、CubeProbeのような様々な種類のサンプルをテストするためにおそらく正しいテスタが提案されたのは、この数年間だけだった。 これらのテスタはいずれも最悪のケースの効率に重点を置いており、無限ドメイン上のサンプルの検証をサポートしていません。 本研究は, 実例依存効率を持つサンプルの試験器を設計し, 自然数上でのサンプルの試験を可能にする。 本研究では,未知の確率分布と未知の確率分布との新たな距離推定アルゴリズムをインターバル条件付きフレームワークを用いて開発する。 中心となる技術的貢献は、連続分布の確率質量推定との新たな接続である。 私たちの実験では、最先端のテスタよりも最大1000倍のスピードアップを実現しています。

関連論文リスト

• DOTA: Distributional Test-Time Adaptation of Vision-Language Models [69.41389326333771]
  トレーニングデータとテストデータの間に大きな分散ギャップが存在する場合、視覚言語の基礎モデルは信頼できない。 本稿では,DOTA(DistributiOnal Test-time Adaptation)を提案する。 この分散中心のアプローチは、モデルが継続的に学習し、デプロイメント環境に適応することを可能にする。
  論文  参考訳（メタデータ） (2024-09-28T15:03:28Z)
• Active Sequential Two-Sample Testing [18.99517340397671]
  サンプル測定が安価に利用できる新しいシナリオでは,この2サンプルテストの問題を考慮する。 我々は,emphactiveNIST-sampleテストフレームワークを考案し,逐次クエリだけでなく,emphactivelyクエリも考案した。 実際に、我々はフレームワークのインスタンス化を導入し、いくつかの実験を用いて評価する。
  論文  参考訳（メタデータ） (2023-01-30T02:23:49Z)
• Sequential Kernelized Independence Testing [77.237958592189]
  我々は、カーネル化依存度にインスパイアされたシーケンシャルなカーネル化独立試験を設計する。 シミュレーションデータと実データの両方にアプローチのパワーを実証する。
  論文  参考訳（メタデータ） (2022-12-14T18:08:42Z)
• MixNorm: Test-Time Adaptation Through Online Normalization Estimation [35.65295482033232]
  テスト期間中のバッチノーム統計を簡易かつ効果的に推定し、ソースモデルをテストサンプルのターゲットに迅速に適応させる方法を提案する。 テスト時間適応(Test-Time Adaptation)として知られるこのタスクの研究は、(1)テストサンプルが大きなバッチとして集まり、(2)テストの分布が1つであることを評価する上で、2つの前提に従っている。
  論文  参考訳（メタデータ） (2021-10-21T21:04:42Z)
• Optimal Testing of Discrete Distributions with High Probability [49.19942805582874]
  高確率状態に着目して離散分布を試験する問題について検討する。 一定の要素でサンプル最適である近接性および独立性テストのための最初のアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-09-14T16:09:17Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。