論文の概要: CHRONOS: Temporally-Aware Multi-Agent Coordination for Evolving Data Marketplaces

• arxiv url: http://arxiv.org/abs/2605.23887v1
• Date: Fri, 22 May 2026 17:47:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.454869
• Title: CHRONOS: Temporally-Aware Multi-Agent Coordination for Evolving Data Marketplaces
• Title（参考訳）: CHRONOS: データマーケットプレースを進化させるための一時的なマルチエージェントコーディネート
• Authors: Joydeep Chandra,
• Abstract要約: 時間的知識グラフデータ市場は、静的設計において3つの結合した失敗に直面している。 我々は,これらの課題を一元的に扱える3層アーキテクチャであるChronosを紹介した。
• 参考スコア（独自算出の注目度）: 3.252472808549431
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Temporal knowledge-graph data marketplaces face three coupled failures in static designs: stale hybrid index shortcuts reduce recall as edges evolve, stationary Shapley pricing misattributes value after distribution shifts, and uncoordinated agents over-consume a shared differential-privacy budget. We present CHRONOS, a three-layer architecture providing a unified treatment of these challenges with explicit public and private separation. Layer one applies neural-ODE temporal decay to shortcut edges, providing a per-query expected recall-loss bound of Big-O of Pq lambda delta t, with a monotone-envelope guarantee reducing bound looseness to 1.8 to 3.2 times observed loss. Layer two conditions Shapley valuation on detected changepoints and provides finite-sample error guarantees under noise. Layer three uses EXP3-IX to achieve Big-O of the square root of T log T regret while enforcing epsilon and delta differential privacy via moments accounting. CHRONOS releases a privatized affinity matrix per epoch using the Gaussian mechanism; all retrieval and ranking are post-processing, incurring no extra privacy cost. We provide multi-epoch settlement, scalability analysis for 500 sellers, and comparisons against accelerated baselines. Across four benchmarks, CHRONOS shows 0.937 recall at ten, 2.74 queries per second, 161 ms latency, and total epsilon of 4.25 at delta of 10 to the power of negative 6 under zCDP composition. These results indicate a competitive operating point. A limitation is that at this privacy level, released valuations remain noise-dominated; utility derives primarily from public index routing and adaptive scheduling driven by low-sensitivity statistics.
• Abstract（参考訳）: 古いハイブリッドインデックスのショートカットはエッジが進化するにつれてリコールを減らし、定常的なShapleyの価格設定は流通シフト後に値に悪影響を及ぼし、非コーディネートエージェントは共有の差分プライバシ予算を過度に見積もる。 我々は,これらの課題を一元的に扱える3層アーキテクチャであるChronosを紹介した。 層1は、短絡エッジにニューラル-ODE時間減衰を適用し、Pq lambda delta t の Big-O のクエリごとのリコールロス境界を提供し、モノトン-エンベロープにより、観測された損失の1.8倍から3.2倍のバウンドゆらぎを減少させる。 層2条件 検出された変更点のシェープ評価を行い、ノイズの下で有限サンプル誤差を保証する。 レイヤ3はEXP3-IXを使用して、Epsilonと差分プライバシーをモーメント会計によって強制しながら、TログTの平方根のBig-Oを達成する。 CHRONOSは、ガウスのメカニズムを使って、エポック毎のプライベートな親和性行列をリリースしている。 我々は,500販売者を対象としたマルチエポック決済,スケーラビリティ解析,高速化ベースラインとの比較を行う。 CHRONOSは4つのベンチマークで、毎秒0.937のリコール、毎秒2.74のクエリ、レイテンシ161ms、デルタ10で4.25の合計エプシロンを、zCDP組成下の負の6のパワーに表示する。 これらの結果は、競争力のある運用ポイントを示している。 ユーティリティは主に、低感度統計によって駆動される公開インデックスルーティングと適応的なスケジューリングから導かれる。

関連論文リスト

• Human-Inspired Memory Architecture for LLM Agents [0.9507070656654629]
  6つの認知機構からなる生体記憶アーキテクチャを提案する。 各メカニズムは、単純メモリ蓄積の特定の障害モードに対処する。 S層スケール(50セッション)では、デダップベースのコンソリデーションにより、好みのリコールが+13.3pp向上する。
  論文  参考訳（メタデータ） (2026-05-08T22:52:37Z)
• K-GMRF: Kinetic Gauss-Markov Random Field for First-Principles Covariance Tracking on Lie Groups [8.489406212619164]
  共分散追跡のためのオンライン学習自由フレームワークK-GMRFを提案する。 本手法は, 構造保存型シンプレクティックインテグレータにより伝搬される潜在角速度を駆動するトルクとして観測を解釈する。 理論的には、この2階の力学が一定回転下でゼロ定常誤差を達成することを証明している。
  論文  参考訳（メタデータ） (2026-03-20T03:16:36Z)
• Semantic-Constrained Federated Aggregation: Convergence Theory and Privacy-Utility Bounds for Knowledge-Enhanced Distributed Learning [0.0]
  本稿では,ドメイン知識の制約を分散最適化に組み込んだ理論的な基盤を持つフレームワークであるSemantic-Constrained Federated Aggregation(SCFA)を紹介する。 我々は、制約違反率を表す SCFA 収束率 O(1/sqrt(T) + rho) を証明し、制約に基づく連邦学習のための最初の収束理論を確立する。 我々は,Boschの生産データを用いて,118万サンプルと968のセンサ機能を備えた予測保守の枠組みを検証した。
  論文  参考訳（メタデータ） (2025-12-12T04:29:29Z)
• Spectral Graph Clustering under Differential Privacy: Balancing Privacy, Accuracy, and Efficiency [53.98433419539793]
  エッジ差分プライバシー(DP)下におけるスペクトルグラフクラスタリングの問題点について検討する。 具体的には, (i) エッジフリップによるグラフ摂動と, エッジプライバシを強制する隣接行列シャッフルを併用したグラフ摂動, (ii) 次元と複雑性の複雑さを低減するために低次元空間における加法的ガウス雑音を伴うプライベートグラフプロジェクション, (iii) 収束性を維持しながらエッジDPを確保するために反復的にガウス雑音を分散するノイズの多いパワーイテレーション手法である。
  論文  参考訳（メタデータ） (2025-10-08T15:30:27Z)
• FTSCommDetector: Discovering Behavioral Communities through Temporal Synchronization [15.690768429709811]
  従来のコミュニティ検出手法では、エンティティが独立して動きながら重要な瞬間に整合する同期脱同期パターンをキャプチャできない。 FTSCommDetectorを導入し、TCA(Temporal Coherence Architecture)を実装し、類似および異種コミュニティを発見する。 その結果、FTSCommDetectorは4つの多様な金融市場において一貫した改善を実現した。
  論文  参考訳（メタデータ） (2025-09-17T16:12:54Z)
• Robust Residual Finite Scalar Quantization for Neural Compression [46.574899938569125]
  有限スカラー量子化(FSQ)は、簡易なトレーニングを提供するが、多段階設定での残留等級劣化に悩まされる。 本稿では,2つの新しい条件付け手法を用いて,この基本的な制限に対処するロバスト残留有限スカラー量子化(RFSQ)を提案する。 RFSQの有効性と一般化性を示す。
  論文  参考訳（メタデータ） (2025-08-20T15:18:59Z)
• Over-the-Air Federated Learning with Privacy Protection via Correlated Additive Perturbations [57.20885629270732]
  我々は、複数のユーザ/エージェントからエッジサーバへの勾配更新をOtA(Over-the-Air)で送信することで、無線フェデレーション学習のプライバシー面を考察する。 従来の摂動に基づく手法は、トレーニングの精度を犠牲にしてプライバシー保護を提供する。 本研究では,エッジサーバにおけるプライバシリークの最小化とモデル精度の低下を目標とする。
  論文  参考訳（メタデータ） (2022-10-05T13:13:35Z)
• Outlier-Robust Geometric Perception: A Novel Thresholding-Based Estimator with Intra-Class Variance Maximization [4.3487328134753795]
  我々は、新しい汎用ロバストな推定器TIVM(クラス内変動最大化による三値保持)を提案する。 標準的な非最小解法と協調して、幾何学的知覚問題に対する外れ値の除去を効率的に行うことができる。 我々の推定器は、問題の不整合ノイズ統計が完全に未知である場合でも、ほぼ同じレベルのロバスト性を維持することができる。
  論文  参考訳（メタデータ） (2022-04-04T08:57:34Z)
• Label Distributionally Robust Losses for Multi-class Classification: Consistency, Robustness and Adaptivity [55.29408396918968]
  多クラス分類のためのラベル分布ロバスト(LDR)損失という損失関数群について検討した。 我々の貢献は、多クラス分類のためのLDR損失のトップ$kの一貫性を確立することによって、一貫性と堅牢性の両方を含んでいる。 本稿では,各インスタンスのクラスラベルの雑音度に個別化温度パラメータを自動的に適応させる適応型LDR損失を提案する。
  論文  参考訳（メタデータ） (2021-12-30T00:27:30Z)

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。