論文の概要: Neural Bayesian Sequential Routing

• arxiv url: http://arxiv.org/abs/2605.26147v1
• Date: Fri, 22 May 2026 22:45:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.19773
• Title: Neural Bayesian Sequential Routing
• Title（参考訳）: ニューラルベイズシーケンスルーティング
• Authors: Yongchao Huang,
• Abstract要約: textbfNeural Bayesian Sequential Routing (NBSR)は、ニューラルネットワークを階層指向非巡回グラフ(DAG)上のアクティブエビデンス蓄積としてモデル化するフレームワークである。 NBSRは、透過的なルーティングトレース、経路依存のエビデンス属性、不確実性を認識した決定制御、リソース-レーショナル推論を提供しながら、競合的な予測性能を達成する。 全体として、NBSRは、解釈可能、モジュール化、リソース限定のエージェントAIのための数学的基盤のフレームワークを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human decision-making is sequential and uncertainty-aware, yet standard neural networks often rely on static, dense forward computation with limited visibility into evidence acquisition, uncertainty evolution, or when computation should stop. We introduce \textbf{Neural Bayesian Sequential Routing (NBSR)}, a framework that models neural inference as active evidence accumulation over a hierarchical Directed Acyclic Graph (DAG). Within a Dirichlet--Categorical conjugate framework, neural experts query a persistent global knowledge oracle to extract positive evidence vectors, which act as pseudo-counts and update a Dirichlet belief state by exact conjugate addition. Coupled with a Gumbel-Softmax Straight-Through estimator, this update enables hard, path-dependent routing while preserving surrogate gradients for end-to-end training. The resulting Dirichlet precision and entropy provide mechanisms for uncertainty quantification, entropy-based early exiting, OOD abstention, and cost-aware evidence acquisition. We prove that, under strictly positive evidence extraction, total Dirichlet precision increases monotonically along any valid trajectory and marginal predictive variance is bounded, formalizing sequential ``hypothesis sharpening''; under idealized capacity and optimization assumptions, the terminal Dirichlet expectation recovers the Bayes-optimal conditional distribution. Empirical evaluations across visual categorization, structured medical diagnosis, language modeling, partially observable control, and cost-aware Bayesian experimental design show that NBSR achieves competitive predictive performance while providing transparent routing traces, path-dependent evidence attribution, uncertainty-aware decision control, and resource-rational inference. Overall, NBSR offers a mathematically grounded framework for interpretable, modular, and resource-rational agentic AI.
• Abstract（参考訳）: 人間の意思決定はシーケンシャルで不確実性を認識しているが、標準的なニューラルネットワークは多くの場合、証拠の取得や不確実性進化、あるいは計算が停止すべき時間に限定した、静的で高密度なフォワード計算に依存している。 本稿では,階層的指向非巡回グラフ(DAG)上に蓄積されたアクティブエビデンスとして神経推論をモデル化するフレームワークである,‘textbf{Neural Bayesian Sequential Routing(NBSR)’を紹介する。 ディリクレ-カテゴリー共役フレームワーク内では、ニューラルネットワークの専門家が、正の証拠ベクトルを抽出するために、永続的なグローバルな知識オラクルをクエリし、疑似カウントとして振舞い、正確な共役加算によってディリクレの信念状態を更新する。 このアップデートは、Gumbel-Softmax Straight-Through推定器と組み合わせて、ハードでパスに依存したルーティングを可能にし、エンドツーエンドトレーニングのためのサロゲート勾配を保存する。 結果として得られるディリクレの精度とエントロピーは、不確実な定量化、エントロピーに基づく早期退避、OODの棄権、そしてコストを意識したエビデンス獲得のメカニズムを提供する。 厳密な正の証拠抽出の下では、全ディリクレ精度は任意の有効な軌跡に沿って単調に増加し、限界予測分散は有界であり、逐次的な 'hypothesis sharpening''' を形式化し、理想化されたキャパシティと最適化の仮定の下で、終端ディリクレ予想はベイズ最適条件分布を回復する。 視覚分類,構造化診断,言語モデリング,部分的に可観測性制御,費用対効果を考慮したベイズ実験の結果,NBSRは透過的な経路トレース,経路依存的エビデンス帰属,不確実性を考慮した意思決定制御,リソース・リレーショナル推論などを提供しながら,競争的な予測性能を達成することが示された。 全体として、NBSRは、解釈可能、モジュール化、リソース限定のエージェントAIのための数学的基盤のフレームワークを提供する。

関連論文リスト

• GTS: Inference-Time Scaling of Latent Reasoning with a Learnable Gaussian Thought Sampler [54.10960908347221]
  我々は、学習可能な密度から条件付きサンプリングとして潜在思考探索をモデル化し、このアイデアをガウス思想サンプリング(GTS)としてインスタンス化する。 GTSは、連続的推論状態における文脈依存摂動分布を予測し、バックボーンを凍結させながらGRPOスタイルのポリシー最適化を訓練する。
  論文  参考訳（メタデータ） (2026-02-15T09:57:47Z)
• Generative Neural Operators through Diffusion Last Layer [13.076028397183897]
  予測の不確実性をモデル化するために、任意の神経オペレーターのバックボーンにアタッチできる軽量な確率的ヘッドを導入する。 PDE溶液分布によってしばしば現れる相対的滑らかさと低次元構造に動機づけられた条件出力分布を関数空間で直接パラメータ化する。 PDE演算子学習ベンチマーク、予測の改善、不確実性認識。
  論文  参考訳（メタデータ） (2026-02-04T02:10:53Z)
• Pushing the Boundaries of Natural Reasoning: Interleaved Bonus from Formal-Logic Verification [49.506412445511934]
  大きな言語モデル(LLM)は目覚ましい能力を示すが、その次は論理的不整合と報奨ハックを生み出す。 本稿では,自然言語生成プロセスと形式的記号的検証を動的にインターリーブする形式論理検証誘導フレームワークを提案する。 我々はこのフレームワークを,形式論理検証誘導制御による微調整とポリシー最適化の相乗効果を生かした,新しい2段階のトレーニングパイプラインを通じて運用する。
  論文  参考訳（メタデータ） (2026-01-30T07:01:25Z)
• Online identification of nonlinear time-varying systems with uncertain information [7.071760583269057]
  デジタルツイン(DT)は、複雑なサイバー物理システムのリアルタイム監視と予測保守のためのコアイネーブラーとして機能する。 既存の技術はこれらの要求を同時に満たすのに苦労している。 本稿では,ベイズ回帰に基づくシンボリックラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-15T13:33:48Z)
• Interpretable Neural Approximation of Stochastic Reaction Dynamics with Guaranteed Reliability [4.736119820998459]
  我々は,解釈可能性,信頼性保証,実質的な計算ゲインを実現するニューラルネットワークフレームワークであるDeepSKAを紹介する。 DeepSKAは、状態、時間、出力関数にまたがって一般化する数学的に透明な表現を生成し、この構造を少数のシミュレーションと統合し、古典的モンテカルロよりも非バイアスで、確率的に収束し、劇的に低いマグニチュード推定を生成する。
  論文  参考訳（メタデータ） (2025-12-06T04:45:31Z)
• Bridging the Gap Between Bayesian Deep Learning and Ensemble Weather Forecasts [100.26854618129039]
  天気予報は、大気のカオス的な性質によって根本的に挑戦されている。 ベイジアンディープラーニング(BDL)の最近の進歩は、有望だがしばしば非接続な代替手段を提供する。 気象予報のための統合型BDLフレームワークにより,これらのパラダイムを橋渡しする。
  論文  参考訳（メタデータ） (2025-11-18T07:49:52Z)
• Efficient Thought Space Exploration through Strategic Intervention [54.35208611253168]
  本稿では,この知見を2つの相乗的コンポーネントを通して操作するHint-Practice Reasoning(HPR)フレームワークを提案する。 フレームワークの中核となる革新は、動的に介入点を識別する分散不整合低減(DIR)である。 算術的および常識的推論ベンチマークによる実験は、HPRの最先端の効率-精度トレードオフを実証している。
  論文  参考訳（メタデータ） (2025-11-13T07:26:01Z)
• A Simple Approximate Bayesian Inference Neural Surrogate for Stochastic Petri Net Models [0.0]
  後部分布フレームワークのニューラルネットワークに基づく近似を導入する。 我々のモデルは、Gilespie-simulated SPN realizations上で訓練された1D Convolutional Residual Networkを使用する。 20%の欠落事象を持つ合成SPNでは, RMSE = 0.108で速度関数係数を回復し, 従来のベイズ手法よりもかなり高速に動作する。
  論文  参考訳（メタデータ） (2025-07-14T18:31:19Z)
• Enhancing Uncertainty Estimation and Interpretability via Bayesian Non-negative Decision Layer [55.66973223528494]
  本研究では, ディープニューラルネットワークを条件付きベイズ非負因子分析として再構成したベイズ非負決定層(BNDL)を開発した。 BNDLは複雑な依存関係をモデル化し、堅牢な不確実性推定を提供する。 また,BNDLが効果的に不整合学習を達成できるという理論的保証も提供する。
  論文  参考訳（メタデータ） (2025-05-28T10:23:34Z)
• A recursive Bayesian neural network for constitutive modeling of sands under monotonic and cyclic loading [0.0]
  工学において、モデルは様々な排水条件、ストレスパス、ロード履歴をまたいだ土壌の挙動を捉える中心となる。 本研究では,時間列学習を一般化推論で統一する再帰的ベイズニューラルネットワーク(rBNN)フレームワークを提案する。 このフレームワークは、シミュレートされた3軸テストと実験的な3軸テストの両方にまたがる4つのデータセットに対して検証される。
  論文  参考訳（メタデータ） (2025-01-17T10:15:03Z)
• Provable Guarantees for Generative Behavior Cloning: Bridging Low-Level Stability and High-Level Behavior [51.60683890503293]
  生成モデルを用いた複雑な専門家による実演の行動クローニングに関する理論的枠組みを提案する。 任意の専門的軌跡の時間ごとのステップ分布に一致するトラジェクトリを生成することができることを示す。
  論文  参考訳（メタデータ） (2023-07-27T04:27:26Z)

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。