論文の概要: Outsmarting the Chameleon: Counterfactual Decoupling for Tactical OOD Shifts in Live Streaming Risk Assessment
- arxiv url: http://arxiv.org/abs/2606.02946v1
- Date: Mon, 01 Jun 2026 22:55:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.631691
- Title: Outsmarting the Chameleon: Counterfactual Decoupling for Tactical OOD Shifts in Live Streaming Risk Assessment
- Title（参考訳）: Chameleonの概要:ライブストリーミングリスク評価における戦術的OODシフトのデカップリング
- Authors: Yiran Qiao, Jing Chen, Jiaqi Xu, Yang Liu, Qiwei Zhong, Xiang Ao,
- Abstract要約: ライブストリーミングは、ソーシャルインタラクションとデジタルコマースの主要な媒体として登場したが、ますます高度なリスクに悩まされている。
本稿では,ロバストなライブストリーミングリスク評価のためのプラグインフレームワークであるアンダーライン・アンダーライン予測アンダーラインデカップリング(LPCD)を提案する。
- 参考スコア（独自算出の注目度）: 19.477638168345084
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Live streaming has emerged as a primary medium for social interaction and digital commerce, yet it is increasingly plagued by sophisticated risks. A fundamental challenge in this domain is \emph{tactical out-of-distribution (OOD) shift}: while malicious actors maintain stable underlying objectives, they continuously redesign narrative packaging to evade detection. Such adversarial shifts expose critical limitations of existing OOD generalization paradigms, whose assumptions are difficult to satisfy in the presence of tightly coupled intent-tactic evolution and ill-defined raw-level counterfactuals. In this paper, we tackle this issue from a \emph{latent causal} perspective and propose \underline{L}atent-\underline{P}redictive \underline{C}ounterfactual \underline{D}ecoupling~(LPCD), a plug-in framework for robust live streaming risk assessment. LPCD enables counterfactual reasoning under adversarial tactical re-packaging by modeling intent and narrative variation at the latent level, and enforces \emph{latent counterfactual consistency} to anchor risk prediction on causally stable malicious intent. At inference time, LPCD applies a lightweight, parameter-free calibration to further mitigate tactic-induced distribution shifts. Extensive experiments on large-scale industrial datasets and online production traffic demonstrate that LPCD consistently outperforms state-of-the-art baselines, validating its effectiveness in moderating evolving adversarial risks in real-world live streaming. The project page is available at https://qiaoyran.github.io/LiveStreamingRiskAssessment/.
- Abstract（参考訳）: ライブストリーミングは、ソーシャルインタラクションとデジタルコマースの主要な媒体として登場したが、ますます高度なリスクに悩まされている。
悪質なアクターが安定した目標を維持している一方で、彼らは検出を避けるために物語のパッケージングを継続的に再設計する。
このような対立的なシフトは、厳密に結合された意図-戦術的進化と未定義の生レベルの反事実が存在するという仮定を満たすのが困難である既存のOOD一般化パラダイムの限界を明らかにする。
本稿では,この課題を,emph{latent causal}の観点から解決し,ロバストなライブストリーミングリスク評価のためのプラグインフレームワークである \underline{L}atent-\underline{P}redictive \underline{C}ounterfactual \underline{D}ecoupling~(LPCD)を提案する。
LPCDは、意図と物語の変動を潜在レベルでモデル化することで、敵の戦術的再パッケージの下での対実的推論を可能にし、因果的に安定した悪意のある意図に対するリスク予測を抑えるために 'emph{latent counterfactual consistency' を強制する。
推測時、LPCDは、戦術誘起分布シフトをさらに緩和するために、軽量でパラメータフリーなキャリブレーションを適用している。
大規模産業データセットとオンライン生産トラフィックに関する大規模な実験により、LPCDは最先端のベースラインを一貫して上回り、現実のライブストリーミングにおける敵対的リスクを抑える効果を検証している。
プロジェクトのページはhttps://qiaoyran.github.io/LiveStreamingRiskAssessment/.comで公開されている。
関連論文リスト
- Surviving the Unseen: Predictive Defense for Novel Multi-Turn Multimodal Attacks [0.0]
本稿では,動的生存予測と軌道力学問題として安全検証を定式化する。
マルチモーダルおよびマルチターン対話フローを連続軌道としてマッピングする予測モデルとして,トリプル層異常防御(TRIAD)フレームワークが提案されている。
論文 参考訳（メタデータ） (2026-05-18T18:06:20Z) - Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification [52.784239635604735]
VVI-ReIDは、静止画像以外にも時間情報が付加的な手がかりを提供する、全日監視のための重要な技術である。
既存のアプローチは、高価なクロスモダリティアノテーションによる完全な教師付き学習に大きく依存しており、スケーラビリティが制限されています。
そこで,本研究では,ビデオの先行を明示的に活用するCausal Bootstrapped Alignmentフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-17T02:15:59Z) - ARTIS: Agentic Risk-Aware Test-Time Scaling via Iterative Simulation [72.78362530982109]
ARTIS(Agenic Risk-Aware Test-Time Scaling via Iterative Simulation)は、コミットメントから探索を分離するフレームワークである。
LLMをベースとした簡易シミュレータは, 希少かつ高インパクトな障害モードの捕捉に苦慮していることを示す。
本稿では,障害発生行動の忠実度を強調するリスク認識ツールシミュレータを提案する。
論文 参考訳（メタデータ） (2026-02-02T06:33:22Z) - Deja Vu in Plots: Leveraging Cross-Session Evidence with Retrieval-Augmented LLMs for Live Streaming Risk Assessment [16.891954001508736]
ライブストリーミングはオンラインインタラクションを変革し、大規模なリアルタイムエンゲージメントを可能にした。
ライブストリーミングはまた、詐欺や不正行為の調整といった複雑なリスクに対してプラットフォームを公開している。
ライブストリーミングリスク評価のためのCS-VAR(Cross-Session Evidence-Aware Retrieval-Augmented Detector)を提案する。
論文 参考訳（メタデータ） (2026-01-22T14:55:51Z) - Potent but Stealthy: Rethink Profile Pollution against Sequential Recommendation via Bi-level Constrained Reinforcement Paradigm [44.622203626828345]
対話シーケンスを通じて動的ユーザインテントを利用するシークエンシャルリコメンダは、敵攻撃に対して脆弱である。
本報告では, ユーザインタラクションを微妙に汚染し, ターゲットの誤予測を誘発するプロファイル汚染攻撃について述べる。
本稿では,2段階の最適化フレームワークを多方向強化学習と相乗化して,対向効果とステルスネスのバランスをとる制約付き強化駆動攻撃 CREAT を提案する。
論文 参考訳（メタデータ） (2025-11-12T15:00:52Z) - Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。
シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。
マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
論文 参考訳（メタデータ） (2025-10-09T04:48:49Z) - AdvChain: Adversarial Chain-of-Thought Tuning for Robust Safety Alignment of Large Reasoning Models [62.70575022567081]
本稿では,逆CoTチューニングによる動的自己補正をモデルに教えるアライメントパラダイムであるAdvChainを提案する。
私たちの仕事は、より堅牢で信頼性の高い推論モデルを構築するための新しい方向性を確立します。
論文 参考訳（メタデータ） (2025-09-29T04:27:23Z) - Reshaping the Online Data Buffering and Organizing Mechanism for Continual Test-Time Adaptation [49.53202761595912]
継続的なテスト時間適応は、訓練済みのソースモデルを適用して、教師なしのターゲットドメインを継続的に変更する。
我々は、オンライン環境、教師なしの自然、エラー蓄積や破滅的な忘れのリスクなど、このタスクの課題を分析する。
教師なしシングルパスデータストリームから重要サンプルを高い確実性で識別・集約する不確実性を考慮したバッファリング手法を提案する。
論文 参考訳（メタデータ） (2024-07-12T15:48:40Z) - Policy Smoothing for Provably Robust Reinforcement Learning [109.90239627115336]
入力のノルム有界対向摂動に対する強化学習の証明可能な堅牢性について検討する。
我々は、スムーズなポリシーによって得られる全報酬が、入力の摂動のノルムバウンドな逆数の下で一定の閾値以下に収まらないことを保証した証明書を生成する。
論文 参考訳（メタデータ） (2021-06-21T21:42:08Z)
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。