論文の概要: Asymptotically Log-Optimal Bayes-Assisted Confidence Sequences for Bounded Means

• arxiv url: http://arxiv.org/abs/2605.07964v1
• Date: Fri, 08 May 2026 16:27:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.200962
• Title: Asymptotically Log-Optimal Bayes-Assisted Confidence Sequences for Bounded Means
• Title（参考訳）: 境界値に対する漸近的対数最適ベイズ支援信頼シーケンス
• Authors: Valentin Kilian, Stefano Cortinovis, François Caron,
• Abstract要約: ベイズ型動作予測モデルを用いて信頼性シーケンスを適応的に構築するベイズ支援フレームワークを提案する。 LLM評価のための合成データ、シーケンシャルベストアーム識別、および予測駆動推論の実験により、情報的事前は信頼性シーケンス幅とサンプリングの労力を大幅に削減できることが示された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Confidence sequences based on test martingales provide time-uniform uncertainty quantification for the mean of bounded IID observations without parametric distributional assumptions. Their practical efficiency, however, depends strongly on the choice of martingale updates, and many existing constructions do not exploit prior information about plausible data-generating distributions or mean values. We propose a Bayes-assisted framework that uses a Bayesian working predictive model to adaptively construct confidence sequences.For each candidate mean and time point, the predictive distribution selects, among valid one-step martingale factors, the update maximising predictive expected log-growth; validity is therefore preserved even when the prior or working model is misspecified. We prove that if the predictive distribution is Wasserstein-consistent, the resulting procedure is asymptotically log-optimal, matching the per-sample log-growth of an oracle procedure with access to the true distribution. We instantiate the framework using robust predictives based on Dirichlet-process mixtures and Bayesian exponentially tilted empirical likelihood. Experiments on synthetic data, sequential best-arm identification for LLM evaluation, and prediction-powered inference show that informative priors can substantially reduce confidence-sequence width and sampling effort while retaining anytime-valid coverage.
• Abstract（参考訳）: 試験マーチンガレットに基づく信頼シーケンスは、パラメトリック分布仮定を伴わない有界IID観測の平均に対する時間一様不確実性定量化を提供する。 しかし、それらの実用効率はマーチンゲール更新の選択に強く依存しており、既存の多くの構造では、可算なデータ生成分布や平均値に関する事前情報を利用していない。 本稿では,ベイズ型作業予測モデルを用いて信頼度列を適応的に構築するベイズ支援フレームワークを提案する。各候補平均点と時間点に対して,予測分布は有効な1ステップのマーチンゲール因子のうち,予測対数成長を最大化する更新を選択する。 予測分布がWasserstein-Consistentであれば、結果として得られる手順は漸近的に対数最適化され、オラクルプロシージャのサンプルごとの対数成長と真の分布へのアクセスが一致することが証明される。 ディリクレ過程の混合とベイズ指数関数的に傾斜した経験的可能性に基づいて,ロバストな予測式を用いてフレームワークをインスタンス化する。 合成データ,LCM評価のための逐次的ベストアーム識別,および予測による推論実験により,情報的事前推定は,有意な有意なカバレッジを維持しつつ,信頼性シーケンス幅とサンプリング作業を大幅に削減できることが示された。

関連論文リスト

• Towards Anytime-Valid Statistical Watermarking [63.02116925616554]
  我々は、任意の時間価推論で最適なサンプリングを統一する、最初のe-value-based watermarking frameworkであるAnchored E-Watermarkingを開発した。 本フレームワークはサンプル効率を大幅に向上させ,最先端のベースラインに対して,検出に必要な平均トークン予算を13～15%削減する。
  論文  参考訳（メタデータ） (2026-02-19T18:32:26Z)
• Uncertainty Quantification for Named Entity Recognition via Full-Sequence and Subsequence Conformal Prediction [0.0]
  シーケンスラベルに基づくNERモデルを適応して不確実性を考慮した予測セットを生成するための一般的なフレームワークを提案する。 予測セットは、ユーザが指定した信頼度レベルで正しいラベルを含むことが保証された完全文ラベルの集合である。
  論文  参考訳（メタデータ） (2026-01-13T18:00:08Z)
• Anytime-valid, Bayes-assisted, Prediction-Powered Inference [0.0]
  予測駆動推論(PPI)は機械学習の予測を活用して統計的効率を向上させる。 PPIフレームワークをシーケンシャルな設定に拡張し、ラベル付きデータセットと非ラベル付きデータセットが時間とともに成長します。 ヴィルの不等式と混合法を爆発させ, 時間とともに一様に有効な予測型信頼シーケンス手順を提案する。
  論文  参考訳（メタデータ） (2025-05-23T15:05:49Z)
• Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning [53.42244686183879]
  コンフォーマル予測は、モデルに依存しない、分布のない不確実性定量化を提供する。 しかし、敵が訓練データと校正データを操作した場合の毒殺攻撃では、共形予測は信頼性が低い。 信頼性予測セット (RPS): 汚染下での信頼性保証を証明可能な共形予測セットを構築するための最初の効率的な方法を提案する。
  論文  参考訳（メタデータ） (2024-10-13T15:37:11Z)
• Robust Validation: Confident Predictions Even When Distributions Shift [19.327409270934474]
  本稿では,モデルが点予測ではなく,その予測に対して不確実な推定を行うような,頑健な予測推論の手順について述べる。 本稿では, トレーニング集団の周囲に$f$-divergence のボールを用いて, 任意のテスト分布に対して適切なカバレッジレベルを与える予測セットを生成する手法を提案する。 私たちの方法論の重要な構成要素は、将来のデータシフトの量を見積り、それに対する堅牢性を構築することです。
  論文  参考訳（メタデータ） (2020-08-10T17:09:16Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)

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。