論文の概要: Instantiating Bayesian CVaR lower bounds in Interactive Decision Making Problems
- arxiv url: http://arxiv.org/abs/2604.12519v1
- Date: Tue, 14 Apr 2026 09:54:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.3843
- Title: Instantiating Bayesian CVaR lower bounds in Interactive Decision Making Problems
- Title（参考訳）: 対話的意思決定問題におけるベイジアンCVaR下位境界の確立
- Authors: Raghav Bongole, Tobias J. Oechtering, Mikael Skoglund,
- Abstract要約: 本稿では,対話型問題における予測前のCVaRの低境界化のための一般化Fanoフレームワークのインスタンス化方法について述べる。
鍵問題パラメータへの依存を透過的にする明示的な境界を得る。
結果は,対話型学習とリスクに敏感な意思決定のための実践的低バウンドツールとして,フレームワークをどのように利用できるかを示す。
- 参考スコア（独自算出の注目度）: 37.191697980212346
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent work established a generalized-Fano framework for lower bounding prior-predictive (Bayesian) CVaR in interactive statistical decision making. In this paper, we show how to instantiate that framework in concrete interactive problems and derive explicit Bayesian CVaR lower bounds from its abstract corollaries. Our approach compares a hard model with a reference model using squared Hellinger distance, and combines a lower bound on a reference hinge term with a bound on the distinguishability of the two models. We apply this approach to canonical examples, including Gaussian bandits, and obtain explicit bounds that make the dependence on key problem parameters transparent. These results show how the generalized-Fano Bayesian CVaR framework can be used as a practical lower-bound tool for interactive learning and risk-sensitive decision making.
- Abstract（参考訳）: 最近の研究は、インタラクティブな統計的意思決定において、境界の低い事前予測(ベイジアン)CVaRのための一般化ファノフレームワークを確立した。
本稿では,具体的な対話的問題におけるその枠組みのインスタンス化と,その抽象系からベイズ的CVaRの下界を明確に導出する方法を示す。
提案手法は,ハードモデルと2乗ヘルリンガー距離を用いた基準モデルを比較し,基準ヒンジ項上の下界と2つのモデルの識別可能性に基づく境界を結合する。
本手法はガウス帯域を含む標準例に適用し,鍵問題パラメータへの依存を透過的にする明示的境界を求める。
これらの結果は,対話型学習とリスクに敏感な意思決定のための実践的下界ツールとして,一般化されたFano Bayesian CVaRフレームワークが利用できることを示す。
関連論文リスト
- ScoreMatchingRiesz: Auto-DML with Infinitesimal Classification [6.44705221140412]
Riesz表現子は、$sqrtn$-consistentと効率的な推定器を構築するための機械学習の重要なコンポーネントである。
スコアマッチングに基づくDRE手法をRiesz表現子推定に拡張する。
論文 参考訳（メタデータ） (2025-12-23T17:14:14Z) - A Survey of Low-shot Vision-Language Model Adaptation via Representer Theorem [38.84662767814454]
限られた訓練データの条件下で対処する主な課題は、パラメータ効率のよい方法で事前訓練された視覚言語モデルを微調整する方法である。
本稿では,既存の手法を統合化し,それらの性質を同定し,詳細な比較を支援するための統一的な計算フレームワークを提案する。
実演として、カーネルヒルベルト空間(RKHS)における表現子間のクラス間相関をモデル化し、既存の手法を拡張した。
論文 参考訳（メタデータ） (2024-10-15T15:22:30Z) - Assouad, Fano, and Le Cam with Interaction: A Unifying Lower Bound Framework and Characterization for Bandit Learnability [71.82666334363174]
我々は,統計的推定と対話的意思決定において,情報理論の下限を統一する枠組みを開発する。
Emphinteractive Fano methodinteractive と呼ばれる新しい下界アプローチを提案する。
論文 参考訳（メタデータ） (2024-10-07T15:14:58Z) - Less is More: Mitigate Spurious Correlations for Open-Domain Dialogue
Response Generation Models by Causal Discovery [52.95935278819512]
本研究で得られたCGDIALOGコーパスに基づくオープンドメイン応答生成モデルのスプリアス相関に関する最初の研究を行った。
因果探索アルゴリズムに着想を得て,反応生成モデルの学習と推論のための新しいモデル非依存手法を提案する。
論文 参考訳（メタデータ） (2023-03-02T06:33:48Z) - Optimal variance-reduced stochastic approximation in Banach spaces [114.8734960258221]
可分バナッハ空間上で定義された収縮作用素の定点を推定する問題について検討する。
演算子欠陥と推定誤差の両方に対して漸近的でない境界を確立する。
論文 参考訳（メタデータ） (2022-01-21T02:46:57Z) - Lower bounds in multiple testing: A framework based on derandomized
proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。
これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文 参考訳（メタデータ） (2020-05-07T19:59:51Z) - Causal Modeling with Stochastic Confounders [11.881081802491183]
この作業は、共同設立者との因果推論を拡張します。
本稿では,ランダムな入力空間を持つ表現子定理に基づく因果推論のための変分推定手法を提案する。
論文 参考訳（メタデータ） (2020-04-24T00:34:44Z)
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。