論文の概要: Identifiability of Relational Queries in Multi-View Pretraining

• arxiv url: http://arxiv.org/abs/2607.04735v1
• Date: Mon, 06 Jul 2026 07:18:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:30.068463
• Title: Identifiability of Relational Queries in Multi-View Pretraining
• Title（参考訳）: マルチビュー事前学習におけるリレーショナルクエリの識別可能性
• Abstract要約: グローバルに一貫した2つの世界は、すべての共有属性に同意するが、クエリ応答には同意しない。 このあいまいさは構造的です -- データボリュームではなく、インターフェース設計の特性です。 インタフェース法則に基づき,データ統合のためのクエリ識別性を定式化する。
• 参考スコア（独自算出の注目度）: 0.500301731167245
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: When data sources are integrated through a shared interface, a downstream query may or may not be determined by what the interface exposes: two globally consistent worlds can agree on every shared attribute yet disagree on the query answer. This ambiguity is structural -- a property of the interface design, not the data volume -- and cannot be resolved by collecting more records or training a larger model. We formalize query identifiability for data integration under interface laws (functional dependencies that hold uniformly across all legal worlds rather than within a single instance) and prove three results. (i) A polynomial-time certificate (CheckCert) decides identifiability via attribute closure, and is exact on instances that expose any residual ambiguity (closure-separable). (ii) Non-identifiable queries face an irreducible 1/2 minimax error floor for any estimator using only interface evidence, bounding multi-view pretraining systems from below. (iii) A minimum-augmentation algorithm (Greedy-MinAug) finds the smallest set of interface additions to certify a query, reducing to Set Cover (logarithmic approximation). Experiments on synthetic benchmarks, real integration datasets spanning three domains (scholarly, product, restaurant), and schemas up to 10^3 attributes confirm CheckCert is exact, both algorithms run in single-digit milliseconds, and ML classifiers exhibit the predicted error floor and abrupt capability gains.
• Abstract（参考訳）: データソースが共有インターフェースを通じて統合されている場合、ダウンストリームクエリはインターフェースが公開するものによって決定されるかもしれないし、そうでないかもしれない。 この曖昧さは構造的です -- データボリュームではなくインターフェース設計の特性です -- であり、より多くのレコードを収集したり、より大きなモデルをトレーニングすることで解決できません。 インターフェース法則(単一インスタンス内ではなく,すべての法的世界にわたって均一に保持される機能的依存関係)に基づいて,データ統合のためのクエリ識別性を形式化し,3つの結果を示す。 (i)多項式時間証明書(CheckCert)は、属性クロージャを介して識別可能性を決定し、残余の曖昧さ(クロージャ分離可能)を露呈するインスタンスに正確である。 (II) インターフェースエビデンスのみを用いた推定器に対して、識別不能なクエリは、下からマルチビュー事前学習システムをバウンドする、既約1/2ミニマックスエラーフロアに直面する。 (iii)最小拡張アルゴリズム(Greedy-MinAug)は、クエリを認証するための最小のインターフェース追加セットを見つけ、Set Cover(対数近似)に還元する。 合成ベンチマーク、3つのドメイン(学者、製品、レストラン)にわたる実際の統合データセット、最大10^3の属性を含むスキーマに関する実験では、CheckCertが正確であることを確認し、両方のアルゴリズムは1桁ミリ秒で実行され、ML分類器は予測エラーフロアと突然の能力向上を示す。

関連論文リスト

• SAM3-LoRA: Parameter-Efficient Adaptation of a Concept-Promptable Foundation Model for Multi-Class Structural Defect Segmentation [0.0]
  本研究は,多層構造欠陥セグメンテーションにおけるローランド適応(LoRA)をSAM3に適用する。 本稿では,COCOスタイルのクラスラベルインスタンスセグメンテーションから直接,概念実証可能なモデルをトレーニングする監督手順について述べる。
  論文  参考訳（メタデータ） (2026-08-31T23:19:59Z)
• A Unified Backbone--Expert Framework with Relation-Token and Residual--Classifier Interfaces for Automatic Modulation Recognition [1.547549252134621]
  本稿では、共通の畳み込み状態空間のバックボーンと2つの特殊なインターフェースを持つ統一されたバックボーン・エキスパート・フレームワークを提案する。 我々のフレームワークは、RML2016.10bで67.28 pm 0.14%、HisarMod 2019で87.19 pm 0.77%という、全体的な平均精度を実現しています。
  論文  参考訳（メタデータ） (2026-08-15T10:26:42Z)
• Topology-Aware Query Selection for Surgical Instrument Instance Segmentation [8.051653068935332]
  最終クエリ選択は、独立した候補決定の集合ではなく、リレーショナルで可変性の問題である。 我々は、固定されたMask2Formerの空でない候補を完全なグラフとして表現したトポロジ対応クエリ選択を評価する。 評価された完全パスは、特定ネイティブインスタンス契約における固定されたMask2Former候補からの一貫性のあるインスタンスセット構築を改善したことを示す。
  論文  参考訳（メタデータ） (2026-08-12T03:29:47Z)
• PluginEval: A Diagnostic Benchmark for Fine-Grained Error Attribution in Function Calling [11.1017602726296]
  大規模言語モデルは、ますます自律的なエージェントとして機能している。 現在のベンチマークには3つの制限がある。 Evalは、2段階のフレームワークで構築されたベンチマークである。
  論文  参考訳（メタデータ） (2026-08-09T13:25:54Z)
• SEER: A Self-Grounded Evidence Interface for Controlled Spatial Relation Classification [71.9783246097687]
  SEERは、ペアローカライゼーション中の候補関係を隠蔽し、明示的な主観的/対象的役割を持つクエリ固有ビューを構築し、補完的な証拠として完全なイメージとスパースボックス幾何学を保持する。 正確な逆サポートを持つ関係選択プロトコルでは、オプションリファインメントがエンティティロールを交換し、正確に1つの視覚状態が対応する逆関係に従う場合にのみ前方決定を変更する。 変更されていないプロトコルは、3つのモデルにまたがる2,434個のフィルター付きEmbSpatialペア関係質問に対して +4.35 から +11.79 を得る。
  論文  参考訳（メタデータ） (2026-08-04T13:16:15Z)
• Iterative Causal Discovery: Per-Edge Impossibility Certificates, Tier-Aware Oracle Queries, and the $1+K$ Lower Bound [0.0]
  因果発見アルゴリズムは有向グラフを返すが、データによって識別されるエッジ方向と、識別された仮定なしで割り当てられたエッジ方向を区別する原則的な手段は提供しない。 本稿では,各候補エッジに個別の不確実性証明を添付した連続データに対する観測因果発見プロトコルを提案する。 2つのオラクルプリミティブ、メタハブクエリとノードチャイルドクエリは、DAGを回復するのに十分な1+K$のエキスパートインタラクションの上限を共同で確立する。
  論文  参考訳（メタデータ） (2026-05-26T12:01:32Z)
• Beyond Fixed Benchmarks and Worst-Case Attacks: Dynamic Boundary Evaluation for Language Models [20.61766907174782]
  本稿では,動的境界評価(DBE)を提案する。これは各モデルの境界を積極的に把握し,グローバルに匹敵する難易度尺度に配置する。 DBEは、3つのアーティファクトを提供する: (i) 安全性、能力、真実性をカバーした校正項目銀行で、9ドルの基準LCMで検証された難易度ラベル付きで、 (ii) スキルガイド境界探索(SGBS)、 (ii) APIレベルクエリアクセスのみを使用して、所定のターゲットLSMの境界項目を見つける検索アルゴリズム、 (iii) 新しいLCMを統一能力尺度に配置し、ターゲットが外に落ちたときに適応的に評価セットを拡大する評価プロトコル。
  論文  参考訳（メタデータ） (2026-05-07T13:15:31Z)
• A Tight Expressivity Hierarchy for GNN-Based Entity Resolution in Master Data Management [2.4366811507669115]
  型付き実体属性グラフ上での4つの理論分離理論を証明する。 各述語について、我々は厳密な境界を証明し、必要な適応を欠く全てのMPNNによって証明不可能なグラフペアを構築する。 実践者は、より単純なアーキテクチャが機能しないことを保証するため、最も安価な適応セットを選択できる。
  論文  参考訳（メタデータ） (2026-03-28T06:38:03Z)
• Towards One-for-All Anomaly Detection for Tabular Data [87.63505963517512]
  タブラル異常検出(TAD)は多くの実世界の応用において重要である。 複数のソースデータセットに対して1回のトレーニングのみを必要とするフレームワークであるOFA-TADを提案する。 14ドメインの34のデータセットに対する実験により、OFA-TADはより優れた異常検出性能が得られることが示された。
  論文  参考訳（メタデータ） (2026-03-15T14:42:05Z)
• Causal Identification from Counterfactual Data: Completeness and Bounding Results [54.147490305295456]
  本研究では,任意のレイヤ3分布の集合から対実的なクエリを識別するアルゴリズムを開発した。 我々は、物理的に実現可能な分布から反事実を特定できる理論的限界を確立する。 我々は、そのような量の新たな解析的境界を、実現可能な対実データを用いて導出する。
  論文  参考訳（メタデータ） (2026-02-26T22:48:12Z)
• WeDetect: Fast Open-Vocabulary Object Detection as Retrieval [74.39703419628829]
  Open-vocabularyオブジェクト検出は、テキストプロンプトを通じて任意のクラスを検出することを目的としている。 クロスモーダル融合層(ノンフュージョン)を持たない手法は、認識を検索問題として扱うことにより、より高速な推論を提供する。 WeDetectという名前のモデルファミリを開発し、推論効率の高い15ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2025-12-13T12:40:28Z)
• MR$^2$-Bench: Going Beyond Matching to Reasoning in Multimodal Retrieval [86.35779264575154]
  マルチモーダル検索は、現代のAIアプリケーションにおいて重要なコンポーネントになりつつあるが、その評価は、より現実的で困難なシナリオの要求に遅れている。 マルチモーダル検索のための推論集約型ベンチマークであるMR$2$-Benchを紹介する。
  論文  参考訳（メタデータ） (2025-09-30T15:09:14Z)
• CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward [50.97588334916863]
  評価と結果報酬のための正確で堅牢な軽量検証モデルであるCompassVerifierを開発した。 数学、知識、多種多様な推論タスクにまたがる多分野の能力を示し、様々な答えの型を処理する能力を示す。 我々は,複数のデータソースから収集したモデル出力からなるVerifierBenchベンチマークを導入し,メタエラーパターンを手動で解析してCompassVerifierを強化する。
  論文  参考訳（メタデータ） (2025-08-05T17:55:24Z)
• DDL: A Large-Scale Datasets for Deepfake Detection and Localization in Diversified Real-World Scenarios [51.916287988122406]
  本稿では,$textbf1.4M+$forgedサンプルを含む大規模ディープフェイク検出およびローカライゼーション(textbfDDL)データセットを提案する。 我々のDDLは、複雑な現実世界の偽造のより困難なベンチマークを提供するだけでなく、次世代のディープフェイク検出、ローカライゼーション、解釈可能性メソッドを構築するための重要なサポートも提供しています。
  論文  参考訳（メタデータ） (2025-06-29T15:29:03Z)
• Table Integration in Data Lakes Unleashed: Pairwise Integrability Judgment, Integrable Set Discovery, and Multi-Tuple Conflict Resolution [11.719923132819158]
  対角的可積分性判定の課題に対処するために,二進的教師付き対角学習アルゴリズムを訓練する。 マルチタプルコンフリクト解決に対処する革新的なインコンテキスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-11-30T02:45:01Z)

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。