論文の概要: Priority-Aware Shapley Value

• arxiv url: http://arxiv.org/abs/2602.09326v1
• Date: Tue, 10 Feb 2026 01:41:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.318409
• Title: Priority-Aware Shapley Value
• Title（参考訳）: 優先性に配慮したシェープ値
• Abstract要約: プライオリティを意識する共有価値(PASV)には、ハード優先度制約と、ソフトでコントリビュータ固有のプライオリティ重みの両方が組み込まれている。 スケーラブルモンテカルロ推定のための効率的な隣接スワップ型メトロポリス・ハスティングスサンプリング器を開発した。
• 参考スコア（独自算出の注目度）: 18.696678371045213
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Shapley values are widely used for model-agnostic data valuation and feature attribution, yet they implicitly assume contributors are interchangeable. This can be problematic when contributors are dependent (e.g., reused/augmented data or causal feature orderings) or when contributions should be adjusted by factors such as trust or risk. We propose Priority-Aware Shapley Value (PASV), which incorporates both hard precedence constraints and soft, contributor-specific priority weights. PASV is applicable to general precedence structures, recovers precedence-only and weight-only Shapley variants as special cases, and is uniquely characterized by natural axioms. We develop an efficient adjacent-swap Metropolis-Hastings sampler for scalable Monte Carlo estimation and analyze limiting regimes induced by extreme priority weights. Experiments on data valuation (MNIST/CIFAR10) and feature attribution (Census Income) demonstrate more structure-faithful allocations and a practical sensitivity analysis via our proposed "priority sweeping".
• Abstract（参考訳）: 共有値は、モデルに依存しないデータ評価や特徴属性に広く使用されているが、コントリビュータは交換可能であると暗黙的に仮定している。 これは、コントリビュータが依存している場合(例えば、再利用/拡張データや因果的特徴順序)や、信頼やリスクなどの要因によってコントリビューションを調整する必要がある場合、問題になる可能性がある。 本稿では,ハード優先制約とソフトでコントリビュータ固有の重み付けを併用したプライオリティ・アウェア・シャプリー・バリュー(PASV)を提案する。 PASVは一般的な先行構造に適用され、特別な場合として優先のみおよび重量のみのシャプリー変種を復元し、自然公理によって特徴付けられる。 モンテカルロ推定をスケーラブルにするための効率的な隣接型メトロポリス・ハスティングスサンプリング装置を開発し, 極度優先度重みによる制限条件を解析する。 データアセスメント(MNIST/CIFAR10)と特徴属性(Census Income)の実験により、より構造に富んだアロケーションと、提案した「プライオリティ・スイーピング」による実用的な感度分析が示された。

関連論文リスト

• Preference Data Selection for Mitigating the Alignment Tax in Large Language Models [52.18310687523229]
  BALIGNは、アライメント効率を最適化しながら破滅的な忘れを緩和するバランスのとれたデータ選択戦略である。 3つの重要なデータ中心の機能を統一された複合リスクスコアに集約することにより、BALIGNは、ハイリスクな選好サンプルを体系的にフィルタリングする。 標準的な人間の嗜好データセットの実験では、BALIGNはアライメントゲインを損なうことなく基礎的能力を強く保持している。
  論文  参考訳（メタデータ） (2026-08-25T07:58:42Z)
• Selective Ensemble Based on Preference-Directed Multi-Objective Bandits [90.75513823660775]
  我々は、部分的に指定された線形選好の下で逐次決定問題を定式化する。 次に、嗜好指向の高信頼度境界(PrefUCB)アルゴリズムを提案する。 大規模な事前学習型モデル選択アンサンブルタスクと,機関委任下でのオンラインアセットアロケーションの実験により,本手法が検証された。
  論文  参考訳（メタデータ） (2026-06-20T07:52:46Z)
• Generalized Priority-Aware Shapley Value [18.696678371045213]
  GPASV(Generalized Priored-Aware Shapley value)を導入する。 GPASVは、任意の重み付けされた優先順位グラフ上で定義されたランダムな順序値であり、一対のエッジは順序違反を禁止するのではなく、ペナル化する。
  論文  参考訳（メタデータ） (2026-05-14T16:19:44Z)
• First-Order Efficiency for Probabilistic Value Estimation via A Statistical Viewpoint [18.696678371045216]
  本稿では,サンプリング法則を直接選択し,第1次MSEを最小化する効率性を考慮したサロゲート調整型推定器(EASE)を提案する。 我々は、EASEが様々な確率値に対して常に最先端の推定値を上回ることを実証する。
  論文  参考訳（メタデータ） (2026-05-04T17:02:17Z)
• Uncertainty-Aware Variational Reward Factorization via Probabilistic Preference Bases for LLM Personalization [32.29307367283854]
  本稿では,各ユーザの嗜好を共有嗜好空間における変分分布として表現する不確実性を考慮したフレームワークである,変分因数分解(VRF)を紹介する。 VRFは、変動エンコーダを介してユーザ分布を推測し、ワッサーシュタイン距離と共有確率ベースとの一致による重みを導出し、分散減衰損失による不確実な推定を導出する。
  論文  参考訳（メタデータ） (2026-04-01T14:58:51Z)
• Partial Identification under Missing Data Using Weak Shadow Variables from Pretrained Models [19.367626631086214]
  ユーザフィードバックによる平均結果などの人口量の推定は,プラットフォーム評価や社会科学に不可欠である。 既存のアプローチは一般に、実際には利用できないかもしれない強いパラメトリックな仮定や分岐補助変数に依存している。 本研究では,一対の線形プログラムを解くことにより,推定値のシャープな境界を求める部分同定フレームワークを開発する。
  論文  参考訳（メタデータ） (2026-02-17T22:18:27Z)
• Conformal Prediction Beyond the Seen: A Missing Mass Perspective for Uncertainty Quantification in Generative Models [20.810300785340072]
  Conformal Prediction with Query Oracle (CPQ)は、これらの目的間の最適な相互作用を特徴付けるフレームワークである。 本アルゴリズムは2つの基本原理に基づいて構築されている。一方は最適なクエリポリシーを規定し、他方はクエリされたサンプルから予測セットへの最適マッピングを定義する。
  論文  参考訳（メタデータ） (2025-06-05T18:26:14Z)
• Antithetic Sampling for Top-k Shapley Identification [19.221081896134567]
  説明可能なAIの内外におけるShapleyの価値は、その公理的な特異性に起因している。 ほとんどの研究は、すべての特徴のShapley値の均一な近似を調査し、無意味な特徴のサンプルを不必要に消費する。 対照的に、$k$の最も重要な特徴を特定することは、既に十分に洞察に富むものであり、多武装の盗賊の分野と結びついたアルゴリズム的機会を活用する可能性をもたらす。
  論文  参考訳（メタデータ） (2025-04-02T15:38:32Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• When Does Confidence-Based Cascade Deferral Suffice? [69.28314307469381]
  カスケードは、推論コストをサンプル毎に適応的に変化させる古典的な戦略である。 deferralルールは、シーケンス内の次の分類子を呼び出すか、または予測を終了するかを決定する。 カスケードの構造に執着しているにもかかわらず、信頼に基づく推論は実際は極めてうまく機能することが多い。
  論文  参考訳（メタデータ） (2023-07-06T04:13:57Z)
• Efficient Shapley Values Estimation by Amortization for Text Classification [66.7725354593271]
  我々は,各入力特徴のシェープ値を直接予測し,追加のモデル評価を行なわずに補正モデルを開発する。 2つのテキスト分類データセットの実験結果から、アモルタイズされたモデルでは、Shapley Valuesを最大60倍のスピードアップで正確に見積もっている。
  論文  参考訳（メタデータ） (2023-05-31T16:19:13Z)
• Bayesian decision-making under misspecified priors with applications to meta-learning [64.38020203019013]
  トンプソンサンプリングやその他のシーケンシャルな意思決定アルゴリズムは、文脈的包帯における探索と探索のトレードオフに取り組むための一般的なアプローチである。 性能は不特定な事前条件で優雅に低下することを示す。
  論文  参考訳（メタデータ） (2021-07-03T23:17:26Z)
• Control Variates for Slate Off-Policy Evaluation [112.35528337130118]
  多次元動作を伴うバッチ化されたコンテキスト帯域データから政治外評価の問題について検討する。 我々は, PIと自己正規化PIの双方に対して, リスク改善を保証した新しい推定器を得る。
  論文  参考訳（メタデータ） (2021-06-15T06:59:53Z)
• Accurate Shapley Values for explaining tree-based models [0.0]
  木構造を効率的に利用し,最先端の手法よりも精度の高い2つのシェープ値推定器を導入する。 これらのメソッドはPythonパッケージとして利用できる。
  論文  参考訳（メタデータ） (2021-06-07T17:35:54Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Interpretable feature subset selection: A Shapley value based approach [1.511944009967492]
  プレイヤーとしての特徴とヒンジロスに基づく特徴関数を持つ協調ゲームである分類ゲームの概念を導入する。 我々の主な貢献は、任意のデータセットに対して、SVEA値のしきい値0がラベル予測のための共同相互作用が重要である特徴サブセットを特定することを示すことである($star$)。
  論文  参考訳（メタデータ） (2020-01-12T16:27:08Z)

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。