論文の概要: Statistically Indistinguishable, Operationally Distinct: A Formal Barrier for Tabular Foundation Models
- arxiv url: http://arxiv.org/abs/2606.29091v1
- Date: Sat, 27 Jun 2026 21:14:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:15.784241
- Title: Statistically Indistinguishable, Operationally Distinct: A Formal Barrier for Tabular Foundation Models
- Title（参考訳）: 統計的に区別不能, 操作的決定性: 語彙基礎モデルのための形式的障壁
- Abstract要約: タブラル基礎モデルでは,ルールに従わずにシステムが生成するデータを推論できないことを示す。
3つのマッチした100ドルの州立フロンティア大補題モデル(LLM)では、スキーマ、トリガーソース、ルールテーブル、ステートファイルが法定州として2/50ドル以上で分類される。
この障壁は識別可能性であり、キャパシティスケールではなく、データであり、よりリッチな機能は運用基盤なしではそれを横断できない。
- 参考スコア（独自算出の注目度）: 6.240573495762223
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Tabular foundation models cannot reason about data produced by running systems without access to the rules that govern them. We make this statement falsifiable. The \emph{Operational Turing Test} (OTT) constructs pairs of legal and rule-violating database states whose $1$- and $2$-way column-value marginals match to a total variation of $<0.02$; Le~Cam's lemma then bounds any values-only classifier at $\geq0.49$ Bayes error. Three values-only baselines (XGBoost, TabICL, TabPFN) hit the bound exactly (accuracy $0.50$, pre-registered two one-sided tests (TOST) $p<0.002$), raw row-level access does not help, exposing relational value consistency closes most of the gap, and only a classifier fed by seven executable rule-derived audits reaches $1.00$ classification accuracy. In three matched $100$-state frontier large-language-model (LLM) runs, models given the schema, trigger source, rule tables, and state files classify at most $2/50$ legal states as LEGAL; GPT-5.5 accepts $0/50$ legal states even with higher reasoning effort and a Structured Query Language (SQL) executor. The access-ladder pattern also appears on a second schema with structurally distinct rule families (banking ledger: cross-row balance, cumulative aggregate). The barrier is identifiability, not capacity: scale, data, and richer features cannot cross it without operational grounding.
- Abstract（参考訳）: タブラル基礎モデルは、それらを管理するルールにアクセスせずにシステムが生成したデータを推論することはできない。
私たちはこの声明を偽造する。
\emph{Operational Turing Test} (OTT) は法則および規則違反のデータベース状態のペアを構成し、その1ドルおよび2ドルのカラム値の限界値は、合計の$<0.02$; Le~Cam's lemma と一致し、任意の値のみの分類器を$\geq0.49$ Bayesエラーで有界化する。
XGBoost、TabICL、TabPFNの3つの値のみのベースライン(精度0.50$、事前登録された2つの片側テスト(TOST)、生の行レベルのアクセスは役に立たない。
マッチした100ドルのフロンティア大言語モデル(LLM)の3つの実行では、スキーマ、トリガーソース、ルールテーブル、および状態ファイルが2/50ドルの法定状態を LEGAL として分類され、GPT-5.5 はより高い推論努力と構造化クエリ言語(SQL)の実行者でも0/50ドルの法定状態を受け入れる。
アクセスラダーパターンは、構造的に異なるルールファミリを持つ第2のスキーマにも現れる(バンキング台帳:クロスローバランス、累積集約)。
スケーラビリティ、データ、よりリッチな機能は、運用上の根拠なしにはそれを横断することはできない。
関連論文リスト
- Reference-Based Bias Detection in LLMs via Relative Representations of Hidden States [4.505185728893222]
本稿では,関連するモデル変種にまたがる隠れ状態表現のバイアスを監査する参照ベース手法を提案する。
微調整されたリサップ表現幾何学のため、絶対的な隠れ状態は直接的に同値ではない。
対象群が正・負の属性とどのように関連するかを測定する。
論文 参考訳（メタデータ） (2026-09-09T11:33:35Z) - Which Model Is Actually Serving You? IRIS: Budgeted Black-Box Auditing of Model Substitution and Routing Dilution in LLM Gateways [6.964275075635626]
返却されたテキストのみを必要とする監査である$mathrmIRIS$を提示します。
安価なパイロットは指数的なクエリエラーの崩壊に適合し、疑わしいクエリが発行される前にその予算を凍結する。
$mathrmIRIS$ match or beats detection on shared task, and adapt allocationss the matched-budget target-hit rate from 7,3$% to 8,7$%。
論文 参考訳（メタデータ） (2026-07-23T02:32:08Z) - Isolating LLM Alignment from Regex: Zero Coverage and Metric-Dependent Divergence Under Adversarial Mutation [51.56484100374058]
以前の作業では、アクティブフィルタの背後にライブのGeminiバックエンドを追加することで、測定可能なカバレッジが得られなかった。
L_4$-real(Gemini-2.5-flash, token-budget cap, rate limit, output scrub)と同様の$L_5$-no-regexを導入するが、9パターンフィルタは無効である。
3つのサブ言語にまたがる敵対的プローブに対して評価を行った。
論文 参考訳（メタデータ） (2026-06-12T18:54:24Z) - A Mathematical Theory of Value: a synthesis on goal-directed agency under resource constraints [6.057587531186626]
目的指向エージェントが生成し、破壊し、交換する価値は、情報と同じカテゴリの法的構造量であることを示す。
価格がフレームに依存していない間、価値はフレーム相対的であり、そのリソースをプールし、その知覚を融合する艦隊が天井を継承する。
論文 参考訳（メタデータ） (2026-06-10T16:11:04Z) - Imbuing Large Language Models with Bidirectional Logic for Robust Chain Repair [44.80087038178069]
本稿では,デコーダのみのトランスフォーマーをネイティブに組み込んだトレーニングフレームワークであるTeleological Reasoning Infilling (TRI)を紹介する。
推測では、TRIは二重システムループ内の外科的修復モジュールとして動作する。
3つのベンチマークの実験では、TRIは全てのタスクで最先端のパフォーマンスを達成し、プロブレム当たりのトークン支出を31.2%削減した。
論文 参考訳（メタデータ） (2026-06-03T15:58:48Z) - Which Defense Closes Which Threat? Attributing OWASP-LLM-Top-10 Coverage and Its Brittleness Under Paraphrasing [51.56484100374058]
プロダクションLLMアプリケーションは、いくつかの防衛ファミリを積み重ねる -- 拒絶フレーズフィルタ、トークンバッジコントロール、モデル許容度リスト、レート制限、ツール登録認証 -- が、BASベンチマークでは、単一の集計カバレッジ番号を報告している。
21エージェントベースラインスキャナに4つのLLM-Top-10対応エージェントを追加し、4つの合成LDMエンドポイントの格子をターゲットとした。
論文 参考訳（メタデータ） (2026-06-01T19:39:25Z) - What Do EEG Foundation Models Capture from Human Brain Signals? [64.48249643001402]
現代の脳波基礎モデルは、自己教師付き事前訓練を通じて生信号から直接学習する。
我々は3つのサブクエストに分解する: モデルが何を学習するか、モデルを何に使用するのか、そしてどのように説明できるのか。
3つの基礎モデル(CSBrain, CBraMod, LaBraM),5つの臨床タスク(MDD, Stress, ISRUC-Sleep, TUSL, Siena)と6ファミリー63機能レキシコンを含む。
論文 参考訳（メタデータ） (2026-05-12T01:57:53Z) - Logic-Regularized Verifier Elicits Reasoning from LLMs [63.65875399266337]
論理規則で正規化された教師なしの検証器であるLOVERを提案する。
ローバーは、定理を二項潜在変数として扱い、内部の活性化を活用し、3つの論理的制約を課す。
ローバーは教師なしのベースラインを大幅に上回る。
論文 参考訳（メタデータ） (2026-05-07T09:03:49Z) - RSAT: Structured Attribution Makes Small Language Models Faithful Table Reasoners [0.0]
RSATは、テーブルエビデンスに接地された細胞レベルの引用を段階的に推論する。
フェーズ1は、検証された推論トレースから構造化された出力フォーマットを教える。
RSAT は SFT 単独で 3.7$times$ (0.224$rightarrow$0.826) を改良し、ほぼ完全な引用の有効性を持つ。
論文 参考訳（メタデータ） (2026-04-30T20:25:41Z) - PAR$^2$-RAG: Planned Active Retrieval and Reasoning for Multi-Hop Question Answering [57.89576196160413]
大規模言語モデル (LLM) はマルチホップ質問応答 (MHQA) において脆弱のままである。
textbfPlanned Active Retrieval and Reasoning RAG (PAR$2-RAG)を提案する。
論文 参考訳（メタデータ） (2026-03-30T23:52:54Z) - Consistency-Guided Decoding with Proof-Driven Disambiguation for Three-Way Logical Question Answering [4.878198984786631]
3方向の論理的質問応答(QA)は、$True/False/Unknown$を前提セット$S$の仮説に割り当てる。
CGD-PDは1つの3ウェイ分類器を$H$と$H$の機械式の両方でクエリする軽量なテスト時間層である。
論文 参考訳（メタデータ） (2026-03-12T18:26:16Z) - ProofWala: Multilingual Proof Data Synthesis and Theorem-Proving [53.67926215943612]
$rm P Small ROOFW Small ALA$は、ニューラル定理プローサと2つの確立された対話的証明アシスタント(ITP)間の相互作用を可能にする
私たちは、$rm P Small ROOFWsmall ALA$生成のCoqとLeanのデータの組み合わせでトレーニングされたモデルが、標準のprov-at-k$メトリック上で、Lean-onlyとCoq-onlyのモデルを上回っていることを示します。
論文 参考訳（メタデータ） (2025-02-07T05:35:46Z)
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。