論文の概要: Conformal Risk Sharing: Certified Cost Allocation with Participation Guarantees

• arxiv url: http://arxiv.org/abs/2606.06391v1
• Date: Thu, 04 Jun 2026 16:59:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.979379
• Title: Conformal Risk Sharing: Certified Cost Allocation with Participation Guarantees
• Title（参考訳）: コンフォーマルリスク共有:参加保証付き認定コスト割当
• Authors: Ieva Kazlauskaite,
• Abstract要約: 我々は、解釈可能な共有ポリシーを分割整列校正と組み合わせることで、認証割当問題を定式化する。 降水量やエネルギー協力データを含む人工的および現実的なデータの実験は、このフレームワークがリスクの高いエージェントに対する極端な義務を著しく低減できることを確認した。
• 参考スコア（独自算出の注目度）: 0.9778150054416824
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sharing the financial impact of rare adverse events across a group can soften extreme individual burdens, but any participant made worse off by the arrangement has reason to leave. A credible mechanism must therefore provide each agent with a trustworthy cap on their future obligation and should be deployed only if the aggregate harm across participants is bounded. We formalise this as the Certified Allocation Problem: from finite data and without distributional assumptions, find a redistribution rule, produce obligation caps for every participant, and verify that no participant is made materially worse off. We propose Conformal Risk Sharing, which solves this problem by pairing an interpretable sharing policy with split conformal calibration. The sharing intensity is tuned on training data, while held-out calibration data produces distribution-free per-agent guarantees (valid under exchangeability). Experiments on synthetic and real-world data, including precipitation and energy-cooperative data, confirm that the framework can substantially reduce extreme obligations for high-risk agents while controlling harm to others.
• Abstract（参考訳）: グループ全体で稀な有害事象の経済的影響を共有することは、極端な個人の負担を和らげる可能性があるが、アレンジによって悪化した参加者は退去する理由がある。 したがって、信頼できるメカニズムは、各エージェントに将来の義務に関する信頼できる上限を与えなければならない。 我々はこれを認定割当問題として定式化し、有限データから分布の仮定なしに再分配規則を見つけ、参加者全員に義務キャップをつくり、参加者が実質的に悪化しないことを検証する。 本稿では,整合校正を分割した解釈可能な共有ポリシーを組み合わせ,この問題を解決するコンフォーマルリスク共有を提案する。 共有強度はトレーニングデータに基づいて調整され、保持されたキャリブレーションデータは、配当ごとの保証(交換性の下では無効)を生成する。 降水量やエネルギー協力データを含む人工的および現実的なデータの実験は、このフレームワークが他人への害を抑えながら、リスクの高いエージェントに対する極端な義務を著しく軽減できることを確認した。

関連論文リスト

• Multi-Agent Conformal Prediction with Personalized Statistical Validity [33.73739436774371]
  コンフォーマル予測は、限定的なローカルキャリブレーションデータ、プライバシ制約、データの異質性といった課題に直面している。 本稿では、局所密度比重み付けと重み付けされた量子化集約を組み合わせ、プライバシーを保ちながら不均一性を補正するフレームワークであるパーソナライズされた共形予測(PFWCP)を提案する。 PFWCPは、各参加エージェントに対して有効な境界条件と校正条件のカバレッジ保証を与え、ワンショット通信によるプロトコルをサポートする。
  論文  参考訳（メタデータ） (2026-05-30T13:01:56Z)
• Decentralized Conformal Novelty Detection via Quantized Model Exchange [2.8241645653117042]
  異種複合ヌル分布における大域的偽発見率(FDR)制御による新規性検出について検討した。 本稿では,量子化サロゲートモデルの交換に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T23:46:42Z)
• 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)
• Noise-Adaptive Conformal Classification with Marginal Coverage [53.74125453366155]
  本稿では,ランダムラベルノイズによる交換性からの偏差を効率的に処理できる適応型共形推論手法を提案する。 本手法は,合成および実データに対して,その有効性を示す広範囲な数値実験により検証する。
  論文  参考訳（メタデータ） (2025-01-29T23:55:23Z)
• Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction [55.77015419028725]
  しきい値とトレードオフパラメータが適応的に選択された場合、リスクの有効な制御を可能にする手法を開発する。 提案手法は単調なリスクとほぼ単調なリスクをサポートするが,それ以外は分布的な仮定はしない。
  論文  参考訳（メタデータ） (2024-03-28T17:28:06Z)
• Non-Exchangeable Conformal Risk Control [12.381447108228635]
  分割共形予測は、公式に保証された不確実性セットや間隔を提供する能力によって、最近大きな関心を集めている。 本研究では,データ交換不能時のモノトーン損失関数の期待値を制御できる非交換型共形リスク制御を提案する。 私たちのフレームワークはフレキシブルで、仮定はごくわずかで、所定のテスト例に対する関連性に基づいてデータを重み付けできます。
  論文  参考訳（メタデータ） (2023-10-02T15:00:19Z)
• Correcting Underrepresentation and Intersectional Bias for Classification [49.1574468325115]
  我々は、表現不足のバイアスによって破損したデータから学習する問題を考察する。 偏りのないデータの少ない場合、グループワイドのドロップアウト率を効率的に推定できることが示される。 本アルゴリズムは,有限VC次元のモデルクラスに対して,効率的な学習を可能にする。
  論文  参考訳（メタデータ） (2023-06-19T18:25:44Z)
• Controllable Guarantees for Fair Outcomes via Contrastive Information Estimation [32.37031528767224]
  トレーニングデータセットにおけるバイアスの制御は、下流のアプリケーションで異なるグループ間で平等に扱われることを保証するために不可欠である。 対比情報推定器に基づく相互情報によるパリティ制御の効果的な方法を示す。 uci成人および遺産健康データセットに対する我々のアプローチをテストし、このアプローチが所望のパリティ閾値にまたがってより有益な表現を提供することを実証する。
  論文  参考訳（メタデータ） (2021-01-11T18:57:33Z)

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。