論文の概要: Avoiding Structural Failure Modes in Tabular Fair SSL: Online Primal-Dual Allocation under Confidence Gating

• arxiv url: http://arxiv.org/abs/2605.16446v1
• Date: Fri, 15 May 2026 01:43:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:46.409919
• Title: Avoiding Structural Failure Modes in Tabular Fair SSL: Online Primal-Dual Allocation under Confidence Gating
• Title（参考訳）: タブラルフェアSSLにおける構造破壊モードの回避:信頼ゲーティング下でのオンラインプリマルダイアルアロケーション
• Abstract要約: 半教師付き学習(SSL)は、限られたラベルで予測できるが、高い精度のアプリケーション(医療、信用、復習)は統計的公正性を保証する必要がある。 オンラインプライマル・デュアル・アロケーション (OPDA) は, 不正, リスク, 疑似ラベルの健康信号を用いて, 公平性とエントロピーに基づく安定性の罰則をスケジュールするオンラインコントローラである。
• 参考スコア（独自算出の注目度）: 5.890873839907491
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semi-supervised learning (SSL) enables prediction with limited labels, but high-stakes tabular applications (medical, credit, recidivism) require statistical fairness guarantees. We identify a structural conflict in tabular fair SSL through a diagnostic stress test: under confidence-gated pseudo-labeling, moment-matching fairness regularizers can trigger two failure modes -- Masking Collapse (fairness erodes confidence, starving pseudo-labels) and Trivial Saturation (drift to constant predictors). We propose Online Primal-Dual Allocation (OPDA), an online controller that schedules fairness and entropy-based stability penalties using violation, risk, and pseudo-label health signals, avoiding per-dataset selection of a fixed fairness weight within this diagnostic regime. On the evaluated tabular benchmarks (Adult, ACSIncome, COMPAS), OPDA mitigates the degenerate regimes observed under static weighting and simple single-signal adaptive baselines. On Adult and COMPAS, it yields non-degenerate operating points competitive with the empirical static-$λ$ frontier; on ACSIncome, it preserves utility with a wider fairness-utility spread. Relative to OPDA-lite, the full controller mainly shifts the operating point toward higher utility on ACSIncome, while Adult highlights the fairness-utility trade-off between the two variants. These results position OPDA as a calibration-free controller for non-degenerate operating points in tabular fair SSL without per-dataset tuning.
• Abstract（参考訳）: 半教師付き学習(SSL)は、限られたラベルで予測できるが、高い精度の表型アプリケーション(医療、クレジット、リシディズム)は統計的公正性を保証する必要がある。 信頼に満ちた疑似ラベル付けの下で、モーメントマッチングの公正性レギュレータは、2つの障害モードをトリガすることができる。 オンラインプライマル・デュアル・アロケーション (OPDA) は, 公正度とエントロピーに基づく安定度を, 違反, リスク, 疑似ラベルによる健康信号を用いてスケジュールするオンラインコントローラである。 評価された表式ベンチマーク(Adult, ACSIncome, COMPAS)では、OPDAは静的重み付けと単純な単一信号適応ベースラインの下で観測される退化規則を緩和する。 アダルトとCompASでは、経験的静的$λ$フロンティアと競合する非退化演算点が得られる。 OPDA-lite とは対照的に、フルコントローラは運用ポイントを ACSIncome 上で高いユーティリティにシフトする一方、アダルトは2つの変種間のフェアネスユーティリティトレードオフを強調している。 これらの結果から,OPDAはデータ単位のチューニングを伴わずに表の公正SSLにおける非退化動作点の校正自由度制御系として位置づけられた。

関連論文リスト

• FedLAS: Feature-Modulated Bidirectional Label Smoothing for Neural Network Calibration [2.2346611200823934]
  ディープニューラルネットワーク(DNN)分類器は、ソフトマックス出力が経験的可能性から逸脱した場合、キャリブレーションの低下に悩まされる。 FedLAS: Feature-Modulated Bidirectional Label Smoothing, a plug-and-play algorithm for label smoothing based loss。
  論文  参考訳（メタデータ） (2026-06-26T23:55:44Z)
• Post-hoc Provider Fairness Adaptation via Hierarchical Exposure Alignment [54.58748721533078]
  ポストホックフェアネス適応(Post-hoc Fairness Adaptation, PFA)は、フリーズレコメンデータにフェアネスアダプタを装備する軽量フレームワークである。 ユーザアイコンの埋め込みから、フェアネスに対するステアプロバイダの露出まで、パーソナライズされた加算点調整を学習する。 PFAは無視できる精度の損失を伴ってかなりの公平性を達成し、一貫して強いベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-05-02T16:32:52Z)
• PRISM: Probability Reallocation with In-Span Masking for Knowledge-Sensitive Alignment [18.04153868078285]
  本研究では,文章レベルの事実性リスクラベルや文間依存アノテーションなどのトレーニングインスタンスを付加したSFT設定について検討する。 我々は,事実クリティカルな位置のみの学習を変更可能なリスクゲートフレームワークであるtextbfPRISMを提案する。
  論文  参考訳（メタデータ） (2026-04-02T06:35:04Z)
• Byzantine-Robust and Differentially Private Federated Optimization under Weaker Assumptions [89.52532304099522]
  フェデレートラーニング(FL)は、クライアントが生データを集中せずに共有モデルを共同でトレーニングすることを可能にし、固有のプライバシーレベルを提供する。 グラデーションとモデル更新は機密情報を漏洩する可能性があるが、悪意のあるサーバはビザンティン操作のような敵攻撃をマウントする可能性がある。 これらの脆弱性は、統合されたフレームワーク内の差分プライバシー(DP)とビザンチンの堅牢性に対処する必要性を強調している。 Byz-Clip21-SGD2Mを提案する。
  論文  参考訳（メタデータ） (2026-03-24T17:39:09Z)
• Adversarial Stress Tests for Quantum Certification [0.0]
  古典的なベンチマークの明らかな違反は、真の非古典的な振る舞いを示唆する必要はない。 マーチンゲールセーフな低信頼境界に基づくプロトコルに依存しないアライメント原理を定式化する。 適応学習に基づく古典的エージェントは許容可能な古典的集合を拡大しないことを示す。
  論文  参考訳（メタデータ） (2026-03-13T03:49:58Z)
• Improving Search Agent with One Line of Code [68.58667107354253]
  ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。 textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
  論文  参考訳（メタデータ） (2026-03-10T04:07:39Z)
• LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
  医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。 本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。 texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
  論文  参考訳（メタデータ） (2026-02-19T16:45:38Z)
• Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
  両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。 我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
  論文  参考訳（メタデータ） (2025-10-17T03:06:23Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Stratify: Rethinking Federated Learning for Non-IID Data through Balanced Sampling [9.774529150331297]
  Stratifyは、トレーニング全体を通してクラスとフィーチャーの配布を体系的に管理するために設計された、新しいFLフレームワークである。 従来の階層化サンプリングに着想を得て,SLS(Stratified Label Schedule)を用いてラベル間のバランスの取れた露出を確保する。 プライバシーを守るため,同型暗号化を利用したセキュアクライアント選択プロトコルを実装した。
  論文  参考訳（メタデータ） (2025-04-18T04:44:41Z)
• A Channel-ensemble Approach: Unbiased and Low-variance Pseudo-labels is Critical for Semi-supervised Classification [61.473485511491795]
  半教師付き学習(SSL)はコンピュータビジョンにおける実践的な課題である。 Pseudo-label (PL) メソッド、例えば FixMatch や FreeMatch は SSL で State of The Art (SOTA) のパフォーマンスを取得する。 本稿では,複数の下位PLを理論的に保証された非偏りと低分散のPLに集約する,軽量なチャネルベースアンサンブル法を提案する。
  論文  参考訳（メタデータ） (2024-03-27T09:49:37Z)
• The Decaying Missing-at-Random Framework: Model Doubly Robust Causal Inference with Partially Labeled Data [8.916614661563893]
  因果推論を両立させるために,MARフレームワークの欠落と関連するアプローチを導入する。 これはラベル付け機構における選択バイアスとラベル付きグループとラベルなしグループの極端な不均衡に同時に対処する。 因果関係の堅牢性を確保するため,平均治療効果に対するバイアス低減SS推定器を提案する。
  論文  参考訳（メタデータ） (2023-05-22T07:37:12Z)

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。