論文の概要: Enforcing Constraints in Generative Sampling via Adaptive Correction Scheduling

• arxiv url: http://arxiv.org/abs/2605.11214v1
• Date: Mon, 11 May 2026 20:28:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.4111
• Title: Enforcing Constraints in Generative Sampling via Adaptive Correction Scheduling
• Title（参考訳）: 適応補正スケジューリングによる生成サンプリングにおける制約の強制
• Authors: Noah Trupin, Yexiang Xue,
• Abstract要約: 生成的サンプリングの厳しい制約はプロジェクションによって実施され、サンプリングの終了時に1回、または更新毎に1回適用される。 プロジェクションは将来の更新が依存する状態の分布を変える。 生成ロールアウトに対する補正スケジューリング問題として制約強制を定式化する。
• 参考スコア（独自算出の注目度）: 16.401916509273146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hard constraints in generative sampling are typically enforced by projection, applied either once at the end of sampling or after every update. This binary framing overlooks a fundamental issue: projection changes the distribution of states which future updates depend on. As a result, delayed projection can produce samples that are feasible but inconsistent with the intended sampling dynamics, even after final projection. We formalize constraint enforcement as a correction scheduling problem over the generative rollout. Using one-step constraint defect as a local signal of geometric mismatch, we introduce adaptive correction scheduling, a state-dependent policy that allocates projection budget to the steps that most strongly perturb the trajectory. Terminal and stepwise projection arise as limiting cases of this family. Across controlled manifold rollouts and a learned projected diffusion sampler, adaptive scheduling improves the cost-accuracy frontier at matched projection budgets, recovering 71.2% of full stepwise benefit with 75% fewer corrections. These results show that constraint timing is a first-class design variable in generative sampling, and that enforcing feasibility alone is insufficient to preserve the intended constrained sampling dynamics.
• Abstract（参考訳）: 生成的サンプリングの厳しい制約は、通常、プロジェクションによって強制され、サンプリングの終わりに1回、または更新のたびに適用される。 プロジェクションは将来の更新が依存する状態の分布を変える。 その結果、遅延プロジェクションは最終的なプロジェクションの後にも、意図されたサンプリングダイナミクスと矛盾しないサンプルを生成することができる。 生成ロールアウトに対する補正スケジューリング問題として制約強制を定式化する。 幾何的ミスマッチの局所的な信号として一段階制約欠陥を用いることで、予測予算を軌道を強く乱すステップに割り当てる状態依存ポリシーであるアダプティブ・リコメンデーション・スケジューリングを導入する。 終末およびステップワイズプロジェクションは、このファミリーの限定的なケースとして生じる。 制御された多様体のロールアウトと学習された拡散サンプリングにより、適応的スケジューリングは、一致した予測予算におけるコスト-精度のフロンティアを改善し、75パーセントの修正を伴い、完全なステップワイズ利益の71.2%を回復する。 これらの結果から, 制約タイミングは生成サンプリングにおける第一級設計変数であり, 実現可能性だけでは意図した制約サンプリングダイナミクスを維持するには不十分であることが示唆された。

関連論文リスト

• Inference-Time Attribute Distribution Alignment for Unconditional Diffusion [54.28942858023809]
  我々は、事前訓練された非条件拡散モデルに対する推論時属性分布アライメント問題を定式化する。 そこで本研究では,逆拡散過程に対する最適制御問題として,推定時属性分布アライメントを適用した。 最適制御に基づくアルゴリズムを用いて分散マッチングの最適化を行う。
  論文  参考訳（メタデータ） (2026-05-08T09:02:47Z)
• Adaptive Conformal Anomaly Detection with Time Series Foundation Models for Signal Monitoring [1.7149326108409726]
  時系列監視のためのポストホック適応型共形異常検出法を提案する。 本手法は,誤報率(p値)として直接解釈可能な,解釈可能な異常スコアを生成する。 モデルに依存しないソリューションとして、ファンデーションモデルとシームレスに統合し、リソース制約のある環境での迅速なデプロイをサポートする。
  論文  参考訳（メタデータ） (2026-04-22T02:39:46Z)
• Score-Guided Proximal Projection: A Unified Geometric Framework for Rectified Flow Editing [1.0312968200748118]
  Rectified Flowモデルは最先端の世代品質を実現するが、正確なタスクのためにそれらを制御することは依然として困難である。 現在のアプローチは「幾何学的ロック」に苦しむ逆法に基づくガイダンスに分岐する Score-Guided Proximal Projectionは,決定論的最適化と縮尺サンプリングのギャップを埋める統一フレームワークである。
  論文  参考訳（メタデータ） (2026-03-05T23:44:45Z)
• Rethinking Test-Time Training: Tilting The Latent Distribution For Few-Shot Source-Free Adaptation [3.5808917363708743]
  完全に凍結したモデル体制下で, 数ショット分類のための基礎モデルの試験時間適応について検討した。 本稿では,エンコーダによって誘導される潜伏埋め込み分布に対して,測定値の変更を行うことにより,新しいタスクに予測を適応させる,最初のトレーニング不要推論手法を提案する。
  論文  参考訳（メタデータ） (2026-02-02T18:17:29Z)
• Predict-Project-Renoise: Sampling Diffusion Models under Hard Constraints [5.539946449743145]
  物理法則や観測整合性などの厳しい制約を世代毎に適用する制約付きサンプリングフレームワークを導入する。 提案手法では,制約条件を満たすサンプルの集合にのみ拡散する制約付き前方過程を定義し,制約付き辺縁分布を誘導する。 本稿では,制約された辺縁領域から,予測と予測を交互に行い,実現可能なセットに投影し,再現性のあるアルゴリズムであるPredict-Project-Renoise (PPR)を提案する。
  論文  参考訳（メタデータ） (2026-01-28T20:50:19Z)
• Distributionally Robust Regret Optimal Control Under Moment-Based Ambiguity Sets [0.3867363075280543]
  雑音過程を管理する確率分布が未知な有限水平2次制御問題のクラスを考える。 因果アフィン制御ポリシは、与えられたあいまいさセットのすべての分布に対して最悪のケースで予想される後悔を最小限に抑えることができることを示す。 任意の精度で最適制御器を計算するために,スケーラブルな2重投影下次法を提案する。
  論文  参考訳（メタデータ） (2025-12-11T18:36:15Z)
• Adaptive Conformal Prediction Intervals Over Trajectory Ensembles [50.31074512684758]
  将来の軌道は、自律運転、ハリケーン予測、疫病モデルといった領域で重要な役割を果たしている。 本稿では,サンプル軌道を理論的カバレッジ保証付き校正された予測区間に変換する共形予測に基づく統一的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-18T21:14:07Z)
• Sparse is Enough in Fine-tuning Pre-trained Large Language Models [98.46493578509039]
  我々はSparse Increment Fine-Tuning (SIFT) という勾配に基づくスパース微調整アルゴリズムを提案する。 GLUE Benchmark や Instruction-tuning などのタスクで有効性を検証する。
  論文  参考訳（メタデータ） (2023-12-19T06:06:30Z)
• Regularized Vector Quantization for Tokenized Image Synthesis [126.96880843754066]
  画像の離散表現への量子化は、統合生成モデリングにおける根本的な問題である。 決定論的量子化は、厳しいコードブックの崩壊と推論段階の誤調整に悩まされ、一方、量子化は、コードブックの利用率の低下と再構築の目的に悩まされる。 本稿では、2つの視点から正規化を適用することにより、上記の問題を効果的に緩和できる正規化ベクトル量子化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-11T15:20:54Z)
• Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
  我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。 合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
  論文  参考訳（メタデータ） (2023-02-23T18:57:14Z)

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。