論文の概要: A Differentiable Bayesian Relaxation for Latent Partial-Order Inference

• arxiv url: http://arxiv.org/abs/2605.06976v1
• Date: Thu, 07 May 2026 21:47:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:38.638331
• Title: A Differentiable Bayesian Relaxation for Latent Partial-Order Inference
• Title（参考訳）: 潜在部分順序推論のための微分ベイズ緩和法
• Abstract要約: 多くのランク付けおよびエージェントトレースデータセットは、その潜在構造が部分的に順序づけられているにもかかわらず、線形順序として記録される。 このようなトレースから潜在部分順序推論を微分可能緩和する。 我々は,ソフトトランジシティ,シャープリミットフロンティア回復,硬度への収束を証明した。
• 参考スコア（独自算出の注目度）: 2.124421328820064
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many ranking and agent trace datasets are recorded as linear orders even though their latent structure is only partially ordered. This is especially common in agent and workflow traces, where observed order may reflect arbitrary linearization rather than true prerequisites. We introduce a differentiable relaxation for latent partial-order inference from such traces. Starting from a hard frontier-constrained model of noisy linear extensions, we replace discontinuous product-order precedence and binary frontier feasibility with smooth surrogates, yielding a continuous posterior that preserves closure-level partial-order semantics and supports gradient-based MCMC and variational inference. We prove soft transitivity, sharp-limit frontier recovery, and convergence to the hard likelihood. Experiments on synthetic data, records of social dominance relations, and cloud-agent traces show close posterior fidelity to hard MCMC on small instances and improved runtime--accuracy trade-offs on larger problems.
• Abstract（参考訳）: 多くのランキングとエージェントトレースデータセットは、その潜在構造が部分的に順序づけられているにもかかわらず、線形順序として記録される。 これはエージェントやワークフローのトレースにおいて特に一般的であり、観測された順序は真の前提条件ではなく任意の線形化を反映する。 このようなトレースから潜在部分順序推論を微分可能緩和する。 ノイズのある線形拡大のハードフロンティア制約モデルから始め、不連続な積階述語と二項フロンティア実現性を滑らかなサロゲートに置き換え、閉包レベルの部分階意味を保存し、勾配に基づくMCMCと変分推論をサポートする連続的な後部を与える。 我々は,ソフトトランジシティ,シャープリミットフロンティア回復,硬度への収束を証明した。 合成データ, 社会的支配関係の記録, クラウドエージェントトレースによる実験により, 小インスタンスでの硬度MCMCに対する後部忠実度が向上し, より大きな問題に対する実行時精度トレードオフが改善された。

関連論文リスト

• One Step, One Lead: Mitigating Higher-Order Interference in Multi-Domain Reinforcement Learning via Cross-Step Control [62.82372407840088]
  同点領域勾配は、連続的な更新が出力空間で部分的に逆転する場合においても、ほぼ一定であることを示す。 トークンレベルのリバウンドリスクをランク付けするために,各イテレーションでフォーカスドメインを指定するOSOLを提案する。 OSOLは0.4822のドメイン-マクロ平均に達し、最強の比較ベースラインよりも5.7%向上した。
  論文  参考訳（メタデータ） (2026-09-06T08:32:59Z)
• Scale-Consistent Posterior Dynamics for Diffusion Inverse Problems [16.685352002333225]
  事前訓練された拡散前の後方サンプリングは、一般に難易度成分を有する条件付きスコアによって管理される。 クリーン後部にターゲットが近づいた騒音条件付き経路が連続的なサロゲートSDEを生成することを示す。 FFHQ と ImageNet の100点評価実験により,超解像および分解能の競争再現性を示す。
  論文  参考訳（メタデータ） (2026-08-15T09:38:41Z)
• Is Convergence Inevitable? Tracing Output Homogeneity Back to Base Models [49.46165710676499]
  最初のアライメント段階から意味収束が観察される。 我々は収束を明らかにし増幅することができるが、SFTデータでは導入されないことを発見した。 その結果,LMトレーニングの根底にある目的から,意味収束が自然に生じる可能性が示唆された。
  論文  参考訳（メタデータ） (2026-08-11T20:47:06Z)
• Tensor-Train Joint Modeling for Few-Step Discrete Diffusion [25.442970567297326]
  本稿では、テンソル分解による離散拡散における明示的な関節分布モデリングの枠組みを提案する。 我々のフレームワークは、軽量な微調整により事前訓練されたMDMに統合され、スクラッチからトレーニングコストのごく一部で、数ステップ生成を大幅に改善する。
  論文  参考訳（メタデータ） (2026-07-04T09:32:12Z)
• Geometric and Stochastic Analysis of Discontinuities in Sparse Mixture-of-Experts [15.710271326191219]
  SMOE(Sparse Mixture-of-Experts)アーキテクチャは現在、言語とビジョンモデルに広くデプロイされている。 条件付きルーティングを可能にするエキスパート選択のトップ$kは、本質的に不連続なSMoEマップをレンダリングする。 低次不連続集合が支配的であるのに対し、高次集合は消えるほど小さな相対体積を占める。 本稿では,既存のSMoEに適用可能な簡易な平滑化機構を提案する。
  論文  参考訳（メタデータ） (2026-06-17T13:06:00Z)
• Probability-Conserving Flow Guidance [49.03107678763765]
  Adaptive Manifold Guidance (AdaMaG)はリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。 画像生成ベンチマーク全体で、AdaMaGはリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。
  論文  参考訳（メタデータ） (2026-05-19T16:34:01Z)
• FD-DB: Frequency-Decoupled Dual-Branch Network for Unpaired Synthetic-to-Real Domain Translation [2.0687092208681923]
  周波数分離型2分岐モデルであるFD-DBを提案する。 YCB-Vデータセットの実験により、FD-DBは実際のドメインの外観の整合性を改善し、下流セマンティックセマンティクスの性能を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2026-02-10T07:16:53Z)
• Posterior Collapse as a Phase Transition in Variational Autoencoders [13.161084138023169]
  変分オートエンコーダ(VAE)の後方崩壊現象を統計物理学の観点から検討する。 後方崩壊に伴う自明な解の安定性を解析することにより、臨界超パラメータ閾値を同定する。 我々は、この臨界挙動を合成と実世界の両方のデータセットで検証し、相転移の存在を確認する。
  論文  参考訳（メタデータ） (2025-10-02T02:52:25Z)
• Low-Rank Tensor Recovery via Variational Schatten-p Quasi-Norm and Jacobian Regularization [49.85875869048434]
  暗黙的神経表現のためのニューラルネットワークによりパラメータ化されたCPベースの低ランクテンソル関数を提案する。 本研究では、スペーサーCP分解を実現するために、冗長なランク1成分に変分Schatten-p quasi-normを導入する。 滑らか性のために、ヤコビアンとハッチンソンのトレース推定器のスペクトルノルムに基づく正規化項を提案する。
  論文  参考訳（メタデータ） (2025-06-27T11:23:10Z)
• Optimal lower bounds for logistic log-likelihoods [1.3124513975412255]
  ロジット変換は、おそらく線形設定を超えて最も広く採用されているリンク関数である。 2次よりも鋭い接する下界が、結果として生じるマイノライザーのトラクタビリティを損なうことなく導出できるかどうかはまだ分かっていない。 本稿は、新しい2次下界の設計と研究を通じて、このような挑戦的な問題に対処する。
  論文  参考訳（メタデータ） (2024-10-14T09:09:33Z)
• Stable Nonconvex-Nonconcave Training via Linear Interpolation [51.668052890249726]
  本稿では,ニューラルネットワークトレーニングを安定化(大規模)するための原理的手法として,線形アヘッドの理論解析を提案する。 最適化過程の不安定性は、しばしば損失ランドスケープの非単調性によって引き起こされるものであり、非拡張作用素の理論を活用することによって線型性がいかに役立つかを示す。
  論文  参考訳（メタデータ） (2023-10-20T12:45:12Z)
• Rank Collapse Causes Over-Smoothing and Over-Correlation in Graph Neural Networks [3.566568169425391]
  深さが大きくなると、ノード表現はアグリゲーション関数に依存するが特徴変換には依存しない低次元部分空間に支配されることが示される。 すべてのアグリゲーション関数について、ノード表現のランクは崩壊し、特定のアグリゲーション関数に対して過度に滑らかになる。
  論文  参考訳（メタデータ） (2023-08-31T15:22:31Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• Implicit Bias of Gradient Descent for Logistic Regression at the Edge of Stability [69.01076284478151]
  機械学習の最適化において、勾配降下(GD)はしばしば安定性の端(EoS)で動く 本稿では,EoS系における線形分離可能なデータに対するロジスティック回帰のための定数段差GDの収束と暗黙バイアスについて検討する。
  論文  参考訳（メタデータ） (2023-05-19T16:24:47Z)
• Sequential Recommendation via Stochastic Self-Attention [68.52192964559829]
  Transformerベースのアプローチでは、アイテムをベクトルとして埋め込んで、ドット積の自己アテンションを使用してアイテム間の関係を測定する。 本稿では,これらの問題を克服するための新しいtextbfStochastic textbfSelf-textbfAttention (STOSA) を提案する。 我々は、アイテムと項目の位置関係を列で特徴づける新しいワッサースタイン自己保持モジュールを考案した。
  論文  参考訳（メタデータ） (2022-01-16T12:38:45Z)

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。