論文の概要: Removable Defects: The Economics and Limits of Deliberate Deficiency

• arxiv url: http://arxiv.org/abs/2607.11983v2
• Date: Wed, 15 Jul 2026 02:23:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 12:21:59.472266
• Title: Removable Defects: The Economics and Limits of Deliberate Deficiency
• Title（参考訳）: 取り外し可能な欠陥: 経済と自由主義的欠陥の限界
• Abstract要約: 致命的な稀な状況下では、需要に応じて支払い、取り除かれるため、不足を抑えることができる。 除去性の両面的な特徴は、欠損が知覚の粗大化である場合、いかなるスイッチも害から利益を分離できないことを示している。 結果は、Chowの拒絶オプション、Kelly成長を台無しにし、選択的な予測を合成する。
• 参考スコア（独自算出の注目度）: 6.057587531186626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A specialist tolerates blind spots that a generalist does not. Usually this is treated as a cost to be minimized. We treat it as a design variable: a deficiency can be kept because it pays and removed on demand in the rare situation where it would be fatal, by routing to a compensation channel. We give three results. First, an advantage condition under which keeping the deficiency is a computable economic position; structurally it is the Ehrlich-Becker market-vs-self-insurance margin applied to a competence gap, with the detector as a Townsend costly-state-verification technology. Second, a two-sided characterization of removability. A coupling lemma shows that when the deficiency is a coarsening of perception, no switch can separate benefit from harm, yielding a converse (a confounded detector earns zero premium, and any within-defect policy insisting on positive premium is driven, under multiplicative dynamics, to negative long-run growth) and an achievability result (a detector outside the deficiency earns a positive premium). Together, over structured uncertainty classes with severity capped or miss rate O(1/L): a defect is profitably removable iff the detector-relevant distinction survives the restriction and the advantage condition holds; the premium is the support function of the class's ROC set at an economic price vector. Third, observation defects and capacity defects differ exactly on whether access to the deployment distribution rescues them; the gap decomposes as cross-leak plus a closure deficit, and per-task randomization buys back the latter, never the former. The detector can be learned from declared fatal categories at a training bill linear in loss severity (up to a log factor). The results synthesize Chow's reject option, Kelly growth under ruin, and selective prediction.
• Abstract（参考訳）: 専門家は、将軍がしない盲点を許容します。 通常、これは最小限のコストとして扱われる。 私たちはこれを設計変数として扱います – 補償チャネルへのルーティングによって、致命的な状況で需要に応じて支払いや削除を行うため、不足を維持できます。 3つの結果が得られます。 第一に、不足の維持が計算可能な経済的な位置であり、構造的には、Ehrlich-Becker Market-vs-self-insurance marginがコンピテンスギャップに適用され、検出器はタウンゼンドのコストの高い状態検証技術である。 第二に、取り外し可能性の両面的特徴付け。 結合補題は、欠損が知覚の粗大化である場合、障害から利益を分離できないことを示し、逆(共生検出器はゼロプレミアムを獲得し、乗算力学の下では正のプレミアムを主張する内部欠陥ポリシーは負の長期成長に駆動される)と達成性結果(欠損の外側の検出器は正のプレミアムを得る)を得る。 共に、重度キャップ付きまたはミスレートO(1/L):欠陥が収益的に除去可能であり、検出器関連区別が制限および有利条件が持続し、プレミアムは、経済価格ベクトルで設定されたクラスのROCの支持機能である。 第三に、観測上の欠陥とキャパシティの欠陥は、配置分布へのアクセスがそれらを救い出すかどうかによって正確に異なり、ギャップはクロスリークとクロージャの欠陥として分解され、タスクごとのランダム化は後者を買い戻す。 検出器は、(ログファクタまで)損失重大度を線形にトレーニング請求書で宣言された致命的なカテゴリから学習することができる。 結果は、Chowの拒絶オプション、Kelly成長を台無しにし、選択的な予測を合成する。

関連論文リスト

• Semantic Fibers and Cross-Gram Interference: A Calculus of Safety Drift in Overcomplete Representations [0.0]
  デプロイされた言語モデルは、英語の有害な要求を拒否するが、その忠実な翻訳に従う。 我々はこの現象を監査同値関係で定式化する。 定式化された商、表現、メートル法、特徴辞書、スコアリングヘッド、しきい値、コントラストモデルに対して、得られた安全ドリフトは正確な線形代数的特徴を持つことを示す。
  論文  参考訳（メタデータ） (2026-09-14T00:23:32Z)
• Strategic Technical Debt: A Real Options Approach to Early-Stage Software Experimentation [11.470354139213859]
  技術的負債はほぼ普遍的に工学的病理として扱われる。 アーリーステージのソフトウェア作業を定義する条件の下では、技術的負債は合理的に価格付けされた金融手段である、と論じる。
  論文  参考訳（メタデータ） (2026-08-17T05:05:28Z)
• Repeated-Game Security for Restaking-Based Verifiable Inference [2.9661360665913574]
  本論文は,1ラウンドスラッシング条件が同一の利害関係下での推論を繰り返すと,セキュリティを過小評価できることを示す。 本稿では,歴史に依存した課題,評価ヘビー級のスラッシュ,利得の優位性を組み合わせた展開可能なメカニズムを提案する。
  論文  参考訳（メタデータ） (2026-08-10T03:03:56Z)
• Knowing When to Quit: Diagnosing and Training LLMs to Abort Futile Reasoning [109.33717747526583]
  大規模言語モデルは、計算コストが高くても意味論的に無効な推論を、能力を超えたタスクで生成する。 textbfCaRL(textbfCapability-textbfaligned textbfReinforcement textbfL)を導入し、振る舞いを機能境界に合わせる。 実験は、タスクの難易度を超えて性能を保ちながら、無駄な推論を大幅に削減することを示した。
  論文  参考訳（メタデータ） (2026-07-31T09:30:33Z)
• Safety-Aware Cascaded Inference for Crop Damage Assessment with Controlled Error Trade-offs [0.0]
  小作農の絵ベースの農業保険では、被害検出の欠落は誤報よりもかなり高いコストがかかる。 本稿では,2段階のカスケードアーキテクチャであるCascadeCropNetを提案する。 軽量のセンチネルモデルでは2値の健康トリアージを行い、キャリブレーションされた損傷確率閾値タウを超えるサンプルを専門家モデルにエスカレーションして詳細な診断を行う。
  論文  参考訳（メタデータ） (2026-07-28T09:01:27Z)
• When Outcome Looks Right But Discipline Fails: Trace-Based Evaluation Under Hidden Competitor State [0.39287497907611874]
  アウトカムのみの評価は経済的に安全でないエージェントを認定することができる。 隠れた競合状態のホテル料金では、学習者はルールベースの収益管理政策の利率規律を保ちつつ、利用可能な部屋当たりのもっともらしい収入を達成することができる。 トレースに基づく評価パラダイムである規律安定性を導入する。
  論文  参考訳（メタデータ） (2026-05-18T15:58:34Z)
• The Confidence Gate Theorem: When Should Ranked Decision Systems Abstain? [0.0]
  ランク付けされた決定システムは、いつランク付けされたアウトプットに介入するか、いつ停止するかを判断しなければならない。 信頼に基づく棄権が意思決定の質を単調に改善し、いつ失敗するかを考察する。
  論文  参考訳（メタデータ） (2026-03-10T17:44:10Z)
• Fundamental Novel Consistency Theory: $H$-Consistency Bounds [19.493449206135296]
  機械学習では、トレーニング中に最適化された損失関数は、タスクのパフォーマンスを定義するターゲット損失とは異なることが多い。 本稿では,サロゲート損失推定誤差に対する目標損失推定誤差について詳細に検討する。 私たちの分析では、$H$-一貫性境界が導かれ、これは仮説セットの$H$に対する説明が保証される。
  論文  参考訳（メタデータ） (2025-12-28T11:02:20Z)
• Decision from Suboptimal Classifiers: Excess Risk Pre- and Post-Calibration [52.70324949884702]
  バッチ二分決定における近似的後続確率を用いた余剰リスクの定量化を行う。 我々は、再校正のみが後悔のほとんどに対処する体制と、後悔が集団的損失に支配される体制を識別する。 NLP実験では、これらの量によって、より高度なポストトレーニングの期待値が運用コストに値するかどうかが分かる。
  論文  参考訳（メタデータ） (2025-03-23T10:52:36Z)
• Of Dice and Games: A Theory of Generalized Boosting [61.752303337418475]
  我々は、コスト感受性と多目的損失の両方を組み込むために、ブースティングの有名な理論を拡張した。 我々は、コスト感受性と多目的強化の包括的理論を開発し、弱い学習保証の分類を提供する。 我々の特徴付けは、昇降の幾何学的解釈に依存しており、コスト感受性と多目的損失の間の驚くべき等価性を明らかにしている。
  論文  参考訳（メタデータ） (2024-12-11T01:38:32Z)
• Towards Calibrated Losses for Adversarial Robust Reject Option Classification [3.263508275825069]
  本稿では,"Adrial Robust Reject Option"設定でキャリブレーションされたサロゲートのキャラクタリゼーションと設計を目的とした。 任意のサロゲートが$(ell_dgamma,mathcalH_textrmlin)$-キャリブレーションされるような完全なキャラクタリゼーション結果を提供する。
  論文  参考訳（メタデータ） (2024-10-14T17:17:04Z)
• Proper losses regret at least 1/2-order [1.7986307635828565]
  我々は、損失の厳密な正当性は、非空きサロゲート的後悔境界を確立するのに十分であることを示す。 また、p-ノルムにおける収束の順序は、厳密な適切な損失の幅広いクラスに対する1/2$のサロゲート後悔の順序よりは高速ではないことを示す。
  論文  参考訳（メタデータ） (2024-07-15T03:46:15Z)
• Fairness-Accuracy Trade-Offs: A Causal Perspective [58.06306331390586]
  我々は、初めて因果レンズから公正性と正確性の間の張力を分析する。 因果的制約を強制することは、しばしば人口集団間の格差を減少させることを示す。 因果制約付きフェアラーニングのための新しいニューラルアプローチを導入する。
  論文  参考訳（メタデータ） (2024-05-24T11:19:52Z)
• Label Distributionally Robust Losses for Multi-class Classification: Consistency, Robustness and Adaptivity [55.29408396918968]
  多クラス分類のためのラベル分布ロバスト(LDR)損失という損失関数群について検討した。 我々の貢献は、多クラス分類のためのLDR損失のトップ$kの一貫性を確立することによって、一貫性と堅牢性の両方を含んでいる。 本稿では,各インスタンスのクラスラベルの雑音度に個別化温度パラメータを自動的に適応させる適応型LDR損失を提案する。
  論文  参考訳（メタデータ） (2021-12-30T00:27:30Z)
• A Symmetric Loss Perspective of Reliable Machine Learning [87.68601212686086]
  平衡誤差率 (BER) の最小化において, 対称損失が破損ラベルからのロバストな分類をいかに生み出すかを検討する。 我々は、関連するキーワードからのみ学習したい問題において、AUC手法が自然言語処理にどのように役立つかを実証する。
  論文  参考訳（メタデータ） (2021-01-05T06:25:47Z)

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。