論文の概要: Online Conformal Prediction with Corrupted Feedback

• arxiv url: http://arxiv.org/abs/2605.20515v1
• Date: Tue, 19 May 2026 21:34:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.387369
• Title: Online Conformal Prediction with Corrupted Feedback
• Title（参考訳）: 破損したフィードバックを用いたオンラインコンフォーマル予測
• Authors: Bowen Wang, Matteo Zecchin, Osvaldo Simeone,
• Abstract要約: オンライン共形予測(OCP)は適応的に更新された予測セットを通じてこの問題に対処する。 これらは、過去の予測セットのカバレッジに関する完全なフィードバックの仮定にヒンジを保証します。 実際には、観測された誤検出指標は、ノイズ、通信障害、あるいは敵の操作によって破損する可能性がある。
• 参考スコア（独自算出の注目度）: 42.94410959330529
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern artificial intelligence systems require calibrated uncertainty estimates that remain reliable in sequential and non-stationary environments. Online conformal prediction (OCP) addresses this challenge through adaptively updated prediction sets that provide deterministic long-run miscoverage guarantees. These guarantees, however, hinge on the assumption of perfect feedback about the coverage of past prediction sets. In practice, the observed miscoverage indicator may be corrupted by noise, communication failures, or adversarial manipulation, which can severely degrade OCP's calibration guarantees. In this paper, we study OCP under corrupted feedback. We first model feedback corruption as an arbitrary binary flip sequence, and analyze how feedback corruption affects and degrades the miscoverage performance of standard OCP. We then propose two robust schemes: robust OCP via filtering, which leverages the structural properties of the predicted threshold to filter corrupted feedback, and robust OCP via active compensation, which incorporates an active compensation mechanism to mitigate the effect of corrupted feedback. For both methods, we establish explicit miscoverage guarantees, which are further specialized for an independent stochastic flip model and for an arbitrary error model with memory bounds. Experiments on real-world datasets validate the proposed approach, showing markedly improved calibration and significantly smaller prediction sets compared with baseline OCP methods under corrupted feedback.
• Abstract（参考訳）: 現代の人工知能システムでは、逐次的および非定常環境で信頼性が保たれている不確実性推定を校正する必要がある。 オンライン共形予測(OCP)は、決定論的長期発見保証を提供する適応的に更新された予測セットを通じてこの問題に対処する。 しかしこれらの保証は、過去の予測セットのカバレッジに関する完全なフィードバックの仮定に基づいている。 実際には、観測された誤検知指標はノイズ、通信障害、あるいは敵の操作によって破損し、OCPの校正保証を著しく低下させる可能性がある。 本稿では,OCPを劣化フィードバック下で研究する。 まず、任意の二進フリップシーケンスとしてフィードバックの破損をモデル化し、フィードバックの破損が標準OCPの誤検出性能にどのように影響するかを分析し、分解する。 次に、予測しきい値の構造特性を利用したフィルタによる頑健なOCPと、破損したフィードバックの効果を緩和する能動的補償機構を組み込んだアクティブなOCPの2つのロバストなスキームを提案する。 いずれの手法も、独立確率的フリップモデルやメモリ境界を持つ任意のエラーモデルに特化して、明示的な誤発見を保証する。 実世界のデータセット実験により提案手法の有効性が検証され, 誤差フィードバック下でのベースラインOCP法と比較して, キャリブレーションが著しく向上し, 予測セットが大幅に小さくなった。

関連論文リスト

• Benchmarking Sensor-Fault Robustness in Forecasting [34.25988781693566]
  我々は,予測アーキテクチャとロバスト性改善手法を評価するために,共有CPS地上センサフォアストレステストプロトコルであるSensorFault-Benchを紹介する。 最悪のシナリオ劣化、クリーン平均二乗誤差(MSE)、最悪のシナリオ故障時間MSEを報告し、絶対誤差から相対ロバスト性を分離する。 SensorFault-Benchは、オープンソースコード、ドキュメント化されたデータアクセス、再生および拡張ガイドを提供する。
  論文  参考訳（メタデータ） (2026-05-11T16:41:14Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Reliable Hierarchical Operating System Fingerprinting via Conformal Prediction [62.40452053128524]
  コンフォーマル予測(CP)は、既存の手法にラップして、保証されたカバレッジで予測セットを得ることができる。 この研究は、2つの異なる構造化CP戦略を導入し評価することで、これらの制限に対処する。 どちらの手法も妥当性を保証するが、レベルワイド効率と構造的整合性の間には根本的なトレードオフがある。
  論文  参考訳（メタデータ） (2026-02-13T11:20:48Z)
• Causality-Inspired Safe Residual Correction for Multivariate Time Series [12.183024727781449]
  我々はCRC(Causality-inspired Safe Residual Correction)を提案する。 因果性にインスパイアされたエンコーダを用いて、自己および相互変数のダイナミクスを分離することで方向認識構造を公開する。 実験の結果、CRCは精度を継続的に改善する一方、深部アブレーションの研究は、そのコアセーフティメカニズムが例外的に高い非劣化速度(NDR)を保証していることを確認した。
  論文  参考訳（メタデータ） (2025-12-27T01:34:14Z)
• Weighted Conformal Prediction Provides Adaptive and Valid Mask-Conditional Coverage for General Missing Data Mechanisms [0.30586855806896046]
  Mask-Conditional Valid (MCV) CoverageはMarginal Coverageよりも望ましい資産として現れている。 本手法は,一般的な欠落したデータ機構に対して,保証されたMarginal CoverageとMask-Conditional Validityを提供することを示す。
  論文  参考訳（メタデータ） (2025-12-16T09:15:50Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• WQLCP: Weighted Adaptive Conformal Prediction for Robust Uncertainty Quantification Under Distribution Shifts [4.192712667327956]
  本稿では,変分オートエンコーダ(VAE)から得られた復元損失を,スコア関数をスケールする不確実性指標として紹介する。 重み付き交換可能性の概念を取り入れてRL SCPを改良した量子損失スケールコンフォーマル予測(WQLCP)を提案する。
  論文  参考訳（メタデータ） (2025-05-26T07:00:15Z)
• Evaluating probabilistic classifiers: Reliability diagrams and score decompositions revisited [68.8204255655161]
  確率的に統計的に一貫性があり、最適に結合し、再現可能な信頼性図を自動生成するCORP手法を導入する。 コーパスは非パラメトリックアイソトニック回帰に基づいており、プール・アジャセント・ヴァイオレータ(PAV)アルゴリズムによって実装されている。
  論文  参考訳（メタデータ） (2020-08-07T08:22:26Z)

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。