論文の概要: Testing For Distribution Shifts with Conditional Conformal Test Martingales

• arxiv url: http://arxiv.org/abs/2602.13848v1
• Date: Sat, 14 Feb 2026 18:47:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 14:17:28.510873
• Title: Testing For Distribution Shifts with Conditional Conformal Test Martingales
• Title（参考訳）: コンディショナル・コンフォーマル・テスト・マルティガレスによる配電シフトの試験
• Authors: Shalev Shaer, Yarin Bar, Drew Prinster, Yaniv Romano,
• Abstract要約: 本研究では, コンフォメーションテストマーチンガレット(CTM)を固定条件下で動作させる任意の分布シフトを検出するシーケンシャルテストを提案する。 既存のCTM検出器は、各試料の基準セットを継続的に成長させ、新しい試料が過去の観測とどのように非典型的であるかを評価することによって、試験マルティンガレを構築する。 この設計は、任意の時間価のタイプIエラー制御をもたらすが、テスト時間汚染に悩まされる: 変更後、ポストシフト観測が参照セットに入り、分布シフトの証拠を減らし、検出遅延を増大させ、消費電力を減少させる。 我々の手法は標準よりも速くシフトを検出する
• 参考スコア（独自算出の注目度）: 20.369245689839822
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We propose a sequential test for detecting arbitrary distribution shifts that allows conformal test martingales (CTMs) to work under a fixed, reference-conditional setting. Existing CTM detectors construct test martingales by continually growing a reference set with each incoming sample, using it to assess how atypical the new sample is relative to past observations. While this design yields anytime-valid type-I error control, it suffers from test-time contamination: after a change, post-shift observations enter the reference set and dilute the evidence for distribution shift, increasing detection delay and reducing power. In contrast, our method avoids contamination by design by comparing each new sample to a fixed null reference dataset. Our main technical contribution is a robust martingale construction that remains valid conditional on the null reference data, achieved by explicitly accounting for the estimation error in the reference distribution induced by the finite reference set. This yields anytime-valid type-I error control together with guarantees of asymptotic power one and bounded expected detection delay. Empirically, our method detects shifts faster than standard CTMs, providing a powerful and reliable distribution-shift detector.
• Abstract（参考訳）: 本研究では, コンフォメーションテストマーチンガレット(CTM)を固定条件下で動作させる任意の分布シフトを検出するシーケンシャルテストを提案する。 既存のCTM検出器は、各試料の基準セットを継続的に成長させ、新しい試料が過去の観測とどのように非典型的であるかを評価することによって、試験マルティンガレを構築する。 この設計は、任意の時間価のタイプIエラー制御をもたらすが、テスト時間汚染に悩まされる: 変更後、ポストシフト観測が参照セットに入り、分布シフトの証拠を減らし、検出遅延を増大させ、消費電力を減少させる。 対照的に,本手法は,新しいサンプルを固定されたnull参照データセットと比較することにより,設計による汚染を回避する。 我々の主な技術的貢献は、有限参照集合によって誘導される参照分布における推定誤差を明示的に考慮し、ヌル参照データに有効条件を保った頑健なマーチンゲール構成である。 これにより、漸近パワー1と有界検出遅延の保証とともに、任意の時間価のタイプIエラー制御が得られる。 実験的に,本手法は標準CTMよりも高速にシフトを検出し,信頼性の高い分散シフト検出器を提供する。

関連論文リスト

• Technical note on Sequential Test-Time Adaptation via Martingale-Driven Fisher Prompting [3.5808917363708743]
  M-FISHERは、ストリーミングデータにおける逐次分布シフト検出と安定した適応のための方法である。 検出のために、非整合性スコアから指数的マーチンゲールを構築し、Villeの不等式を適用し、偽アラーム制御の時間一様保証を得る。 適応のために、フィッシャー条件によるプロンプトパラメータの更新は、分布多様体上の自然な勾配降下を実装していることを示す。
  論文  参考訳（メタデータ） (2025-10-04T15:31:26Z)
• BayesTTA: Continual-Temporal Test-Time Adaptation for Vision-Language Models via Gaussian Discriminant Analysis [41.09181390655176]
  CLIPのような視覚言語モデル(VLM)は、強いゼロショット認識を実現するが、実世界のシナリオに共通する時空間的な分散シフトの下で大幅に劣化する。 テスト分布が時間とともに徐々に変化するCT-TTA(textitContinal-Temporal Test-Time Adaptation)として、この実践的問題を定式化する。 我々は、時間的に一貫した予測を実行し、視覚表現を動的に調整する、ベイズ適応フレームワークであるtextitBayesTTAを提案する。
  論文  参考訳（メタデータ） (2025-07-11T14:02:54Z)
• A Sample Efficient Conditional Independence Test in the Presence of Discretization [54.047334792855345]
  離散化されたデータに直接条件付き独立テスト(CI)は、誤った結論につながる可能性がある。 最近の進歩は、観測データをバイナライズすることで、潜伏変数間の適切なCI関係を推測することを目指している。 そこで本研究では,バイナライゼーションプロセスに依存しないサンプル効率のCIテストを提案する。
  論文  参考訳（メタデータ） (2025-06-10T12:41:26Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Conditional Testing based on Localized Conformal p-values [5.6779147365057305]
  我々は、予測区間を反転させて局所化された共形p値を定義し、それらの理論的性質を証明した。 これらの定義されたp-値は、その実用性を説明するためにいくつかの条件付きテスト問題に適用される。
  論文  参考訳（メタデータ） (2024-09-25T11:30:14Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Generalized Robust Test-Time Adaptation in Continuous Dynamic Scenarios [18.527640606971563]
  テスト時間適応(TTA)は、未ラベルのテストデータストリームのみを使用する推論フェーズにおいて、事前訓練されたモデルに分散をテストする。 本稿では,問題に効果的に対応する汎用ロバストテスト時間適応(GRoTTA)法を提案する。
  論文  参考訳（メタデータ） (2023-10-07T07:13:49Z)
• 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)
• Approximate Conditional Coverage via Neural Model Approximations [0.030458514384586396]
  実験的に信頼性の高い近似条件付きカバレッジを得るためのデータ駆動手法を解析する。 我々は、限界範囲のカバレッジ保証を持つ分割型代替案で、実質的な(そして、そうでない)アンダーカバーの可能性を実証する。
  論文  参考訳（メタデータ） (2022-05-28T02:59:05Z)
• Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
  ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。 分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。 本手法は精度と不確実性の両方を向上することを示す。
  論文  参考訳（メタデータ） (2021-09-27T01:09:08Z)

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。