論文の概要: Relevance Is Not Permission: Warranted Attention for Value Contributions
- arxiv url: http://arxiv.org/abs/2606.30139v1
- Date: Mon, 29 Jun 2026 11:19:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.202034
- Title: Relevance Is Not Permission: Warranted Attention for Value Contributions
- Title（参考訳）: 関連性は容認されない - 価値貢献に対する注意喚起
- Authors: Minwoo Yu, Young-guk Ha,
- Abstract要約: 本稿では、実際に予測パスに追加される重み付き値項α_ij * v_jのパーミッション問題を定式化する。
注意関係をα_ijに保存するパスローカライズされたインタフェースであるWarrantを提案する。
32対のペア比較、3つのシード、192回の総実行で、Warrantは27の比較で一次測定値を改善した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Relevance is not permission. Attention lets a model read key-value items related to the current query, but it does not guarantee that the value contribution of such an item becomes prediction evidence. A retrieved passage may be relevant to a question without being supporting evidence, and a historical fact or temporal neighbor may even blur true-tail ranking or the current edge score. This paper formalizes this gap as a permission problem for the weighted value term alpha_ij * v_j that is actually added to the prediction path. We propose Warrant, a path-localized interface that preserves attention relevance alpha_ij, exposes the value path leading to the primary metric, and, in the full model, turns alpha_ij * v_j into alpha_ij * g_ij * v_j through learned query-item permission g_ij. We place the same operator on the metric-defining value paths of CTDG link prediction, MTPP next-mark ranking, RAG supporting evidence selection, STPP next-location forecasting, and TKG tail prediction. Across 32 paired comparisons, 3 seeds, and 192 total runs, Warrant improves the primary metric in 27 comparisons; practical tiers consist of 10 substantial effects, 1 marginal effect, 8 positive but uncertain effects, 8 tie/negligible effects, and 5 drops. In the path-localization check, correct-path placement outperforms direction-aware Base performance in every domain and exceeds generic attention placement by +0.1076 AUC in CTDG and +0.0683 MRR in TKG. Ablations show that most TKG gains come from historical-tail value path exposure, whereas the core CTDG gain comes from edge-conditioned query-item permission. In conclusion, prediction evidence is not attention mass. A weighted value term becomes evidence only when it is warranted on the path to the metric.
- Abstract（参考訳）: 関連性は許可されていない。
注意して、モデルは現在のクエリに関連するキー-値アイテムを読み取るが、そのようなアイテムの値の寄与が予測証拠になることは保証しない。
検索されたパスは、証拠を裏付けることなく質問に関連付けることができ、歴史的事実や時間的隣人は、真のテールランキングや現在のエッジスコアを曖昧にすることもできる。
本稿では、このギャップを、実際に予測パスに追加される重み付き値項α_ij * v_jのパーミッション問題として定式化する。
注意関係のα_ijを保存するパスローカライズされたインタフェースであるWarrantを提案し、プライマリメトリックに導かれる値パスを公開し、フルモデルでは、α_ij * v_jを、学習されたクエリ-itemパーミッションg_ijを介して、α_ij * g_ij * v_jに変換する。
我々は、CTDGリンク予測、MTPP次マークランキング、RAGサポートエビデンス選択、STPP次ロケーション予測、TKG末尾予測のメトリック定義値パスに同じ演算子を配置する。
32対比較、3シード、192回の総実行で、Warrantは27の比較で一次測定値を改善し、実用レベルは10の実質効果、1の限界効果、8の正の不確かさ、8のネクタイ/無視効果、5の滴からなる。
パスローカライゼーションチェックでは、正しいパス配置は、各ドメインの方向認識ベース性能より優れ、CTDGでは+0.1076 AUC、TKGでは+0.0683 MRRの一般的な注意配置を超える。
アブレーションでは、ほとんどのTKGのゲインは履歴テール値パスの露光によるもので、コアCTDGのゲインはエッジ条件のクエリ-イテムパーミッションによるものであることが示されている。
結論として、予測証拠は注目質量ではない。
重み付き値項は、計量への経路で保証されるときのみ証拠となる。
関連論文リスト
- Faithfulness Metrics Don't Measure Faithfulness: A Meta-Evaluation with Ground Truth [24.21103008618097]
思考の連鎖(CoT)は、大規模言語モデルの解釈と監査行動の中心となっている。
ステップレベルとCoTレベルの両方で、地道忠実度ラベルを出力する自動ラベリングパイプラインを開発した。
実験の結果,ほとんどの測定値が近い確率で動作し,予測バイアスが強く,CoTが長くなると劣化することがわかった。
論文 参考訳（メタデータ） (2026-05-24T12:57:01Z) - The Extrapolation Cliff in On-Policy Distillation of Near-Deterministic Structured Outputs [52.709361620508595]
ListOPDは、パラメータの5分の1で8B-SFTベースラインで、学生をドメイン内に持ち込む。
Amazon Fashionでは、3つの事前登録テスト — 細粒度崖間隔テスト、小さなクリップのクロス予測 — がロックされた予測ウィンドウ内に落下し、グリッド解像度以下のクローズドフォーム予測に一致する小さなクリップ値が設定されている。
論文 参考訳（メタデータ） (2026-05-09T06:48:00Z) - TRACE: Temporal Rule-Anchored Chain-of-Evidence on Knowledge Graphs for Interpretable Stock Movement Prediction [23.985633276560844]
本稿では,ストックムーブメント予測のための知識グラフに時間的ルールアンコレート・チェーン・オブ・エビデンス(TRACE)を提示する。
S&P500ベンチマークでは、55.1%の精度、55.7%の精度、71.5%のリコール、60.8%のF1が達成されている。
利得は、(i)任意の歩行よりも経済的に意味のあるモチーフを探索することに焦点を当てたルール誘導探索と、(ii)高信頼で完全に根拠のある仮説を集約するテキスト接地統合に起因している。
論文 参考訳（メタデータ） (2026-03-12T22:41:53Z) - Breaking the Static Graph: Context-Aware Traversal for Robust Retrieval-Augmented Generation [12.71443292660797]
堅牢なRAGのためのコンテキスト認識トラバーサルであるCatRAGを提案する。
CatRAGはHippoRAG 2アーキテクチャ上に構築され、静的なKGをクエリ適応ナビゲーション構造に変換する。
4つのマルチホップベンチマークの実験では、CatRAGはアートベースラインの状態を一貫して上回っている。
論文 参考訳（メタデータ） (2026-02-02T11:13:38Z) - CertDW: Towards Certified Dataset Ownership Verification via Conformal Prediction [48.82467166657901]
本稿では,最初の認証データセット透かし(CertDW)とCertDWベースの認証データセットオーナシップ検証手法を提案する。
共形予測に触発されて,主確率 (PP) と透かし頑健性 (WR) の2つの統計指標を導入する。
我々は、不審モデルのWR値が、透かしのないデータセットでトレーニングされた良性モデルのPP値を大幅に上回る場合に、PPとWRの間に証明可能な低い境界が存在することを証明した。
論文 参考訳（メタデータ） (2025-06-16T07:17:23Z) - Influence of Backdoor Paths on Causal Link Prediction [0.0]
CausalLPBackは、バックドアパスを排除し、知識グラフリンク予測手法を使用する因果リンク予測の新しいアプローチである。
この評価には、因果リンク予測に関連するマルコフに基づく分割と呼ばれるユニークなデータセット分割方法が含まれる。
論文 参考訳（メタデータ） (2024-09-12T22:16:36Z) - Rank-DETR for High Quality Object Detection [52.82810762221516]
高性能なオブジェクト検出器は、バウンディングボックス予測の正確なランキングを必要とする。
本研究では, 簡易かつ高性能なDETR型物体検出器について, 一連のランク指向設計を提案して紹介する。
論文 参考訳（メタデータ） (2023-10-13T04:48:32Z) - Joint Metrics Matter: A Better Standard for Trajectory Forecasting [67.1375677218281]
マルチモーダル・トラジェクトリ・予測法 : シングルエージェント・メトリクス(マージナル・メトリクス)を用いた評価
余分な指標にのみ注目することは、グループとして明確に一緒に歩いている人々のために、軌跡の衝突や軌跡のばらつきといった、不自然な予測につながる可能性がある。
本稿では,JADE,JFDE,衝突速度といったマルチエージェントメトリクス(ジョイントメトリクス)に関して,最先端トラジェクトリ予測手法の総合評価を行った。
論文 参考訳（メタデータ） (2023-05-10T16:27:55Z) - Optimizing Partial Area Under the Top-k Curve: Theory and Practice [151.5072746015253]
トップk曲線下部分領域(AUTKC)と呼ばれる新しい計量法を開発した。
AUTKCはより優れた識別能力を持ち、ベイズ最適スコア関数は条件付き確率に対して正しいトップKランクを与えることができる。
提案手法を最適化するために,実証的なサロゲートリスク最小化フレームワークを提案する。
論文 参考訳（メタデータ） (2022-09-03T11:09:13Z) - Out-of-Vocabulary Entities in Link Prediction [1.9036571490366496]
リンク予測はしばしば、埋め込みの品質を評価するプロキシとして使用される。
ベンチマークはアルゴリズムの公正な比較に欠かせないため、より良いソリューションを開発するための確固たる基盤を提供するため、その品質が確実に確保される。
我々は、そのようなエンティティの発見と削除のためのアプローチの実装を提供し、データセットWN18RR、FB15K-237、YAGO3-10の修正版を提供する。
論文 参考訳（メタデータ） (2021-05-26T12:58:18Z)
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。