論文の概要: ReBound: Reuse-Aware Privacy For Interactive Decision Support

• arxiv url: http://arxiv.org/abs/2607.13441v1
• Date: Wed, 15 Jul 2026 04:57:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.640852
• Title: ReBound: Reuse-Aware Privacy For Interactive Decision Support
• Title（参考訳）: ReBound:対話型意思決定支援のための再利用対応プライバシー
• Abstract要約: 我々はReBoundを提案する。ReBoundは、以前のクエリからキャッシュされた結果を再利用して、公式なユーティリティ保証を維持しながら、新たなクエリを減らしたり、追加のプライバシコストをゼロにするようなフレームワークである。 ReBoundは、複数のリファインメントタイプのための再利用フレームワーク、再利用可能な結果の効率的な検索のためのキャッシュグラフ構造、要求されたバウンドが予算内で満たされない場合の交渉メカニズムを導入している。
• 参考スコア（独自算出の注目度）: 5.938425922636731
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Differentially private decision support frameworks answer complex aggregate threshold queries with formal bounds on false negative and false positive rates, but treat each query independently with no memory of past results. In practice, analysts work interactively, issuing sequences of related queries that refine bounds, adjust thresholds, or derive new functions from previous ones. We propose ReBound, a framework that reuses cached results from previous queries to answer new queries at reduced or zero additional privacy cost while maintaining formal utility guarantees. ReBound introduces a reuse framework for multiple refinement types, a cache graph structure for efficient lookup of reusable results, and a negotiation mechanism for when requested bounds cannot be met within budget.
• Abstract（参考訳）: 異なるプライベートな意思決定支援フレームワークは、偽陰性および偽陽性率に関する正式な境界を持つ複雑な集約しきい値クエリに答えるが、過去の結果を記憶せずに、それぞれのクエリを独立して扱う。 実際、アナリストは対話的に働き、関連するクエリのシーケンスを発行し、境界を洗練したり、閾値を調整したり、あるいは以前のものから新しい関数を導出したりする。 我々はReBoundを提案する。ReBoundは、以前のクエリからキャッシュされた結果を再利用して、公式なユーティリティ保証を維持しながら、新たなクエリを減らしたり、追加のプライバシコストをゼロにするようなフレームワークである。 ReBoundは、複数のリファインメントタイプのための再利用フレームワーク、再利用可能な結果の効率的な検索のためのキャッシュグラフ構造、要求されたバウンドが予算内で満たされない場合の交渉メカニズムを導入している。

関連論文リスト

• Ask Before You Optimize: Dynamic Pre-Formulation Clarification for Interactive Optimization [11.777689650316232]
  本稿では,事前定式化のためのベンチマークであるOR-Clarifyを紹介する。 本稿では,未解決な定式化クリティカルギャップを識別する2段階フレームワークInterOPTを提案する。
  論文  参考訳（メタデータ） (2026-09-04T15:19:38Z)
• GraphMemix: Query-Aware Evidence Forests for Long-Term Multimodal Agent Memory [87.58855368314693]
  メモリ構造をクエリ対応エビデンス・フォレスト構築としてモデル化するグラフメモリフレームワークであるGraphMemixを提案する。 4つの長期マルチモーダルメモリベンチマークの実験結果から,異なる基礎モデルによる大幅な改善が示された。
  論文  参考訳（メタデータ） (2026-08-27T11:28:49Z)
• 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)
• When Should Queries Be Decomposed? A Stage-Aware Study of Query Decomposition for Multi-Condition Retrieval [7.14438992840294]
  マルチ条件検索には、複数の制約を満たす文書を識別するシステムが必要である。 クエリ分解は直感的な治療法として広く採用されているが、検索パイプラインの段階によってその有効性は未解明のままである。 本稿では,グローバルなセマンティックコンテキストを保存するために,初期検索時にモノリシックなクエリを保持するための,ルール付きStage-Aware Decompositionフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-07T11:13:15Z)
• ClipTBP: Clip-Pair based Temporal Boundary Prediction with Boundary-Aware Learning for Moment Retrieval [56.989259812432]
  境界認識学習に基づくクリップペア時間境界予測フレームワークであるClipTBPを提案する。 我々は,ClipTBPが既存モデルに適用された場合,一貫した性能向上を実現し,あいまいなクエリシナリオにおいても,より堅牢な境界予測性能を示すことを示す。
  論文  参考訳（メタデータ） (2026-04-30T08:41:41Z)
• Continuous Semantic Caching for Low-Cost LLM Serving [29.887977985331972]
  セマンティックに類似したクエリを持つユーザが再利用できるように、レスポンスのキャッシュは、推論コストとレイテンシを低減する上で重要な戦略となっている。 既存のキャッシュフレームワークでは、離散的なクエリの有限な宇宙を仮定して、キャッシュに対するクエリ応答を決定する方法が提案されている。 我々は,連続的なクエリ空間におけるLLM応答キャッシングを不確実性の下で意味付けるための,最初の厳密な理論的枠組みを確立する。
  論文  参考訳（メタデータ） (2026-04-21T21:56:43Z)
• Interactive Query Answering on Knowledge Graphs with Soft Entity Constraints [10.209426700875866]
  本稿では,クエリに対する元の回答を乱すことなく,ソフト制約を組み込むことで,クエリ応答スコアの調整を目的としたニューラルクエリリランカ(NQR)を提案する。 NQRは対話的に動作し、好まれるエンティティと好ましくないエンティティの漸進的な例に基づいて回答を精査する。 我々の実験は、堅牢なクエリ応答性能を維持しながら、NQRがソフト制約を捕捉できることを実証した。
  論文  参考訳（メタデータ） (2025-08-19T09:09:07Z)
• Semantic Caching for Low-Cost LLM Serving: From Offline Learning to Online Adaptation [54.61034867177997]
  キャッシング推論応答は、大きな言語モデルに他の前方を通さずに、それらを検索することができる。 従来の正確なキャッシュは、クエリ間のセマンティックな類似性を見落とし、不要な再計算をもたらす。 本稿では,未知のクエリおよびコスト分布下でのセマンティックキャッシュ消去のための,原則的,学習ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-11T06:53:27Z)
• Gumbel Reranking: Differentiable End-to-End Reranker Optimization [61.16471123356738]
  RAGシステムは関連する文書を識別するためにリランカーに依存している。 注釈付きクエリ-ドキュメントペアが不足しているため、これらのモデルの微調整は依然として難しい。 我々は,トレーニングと推論のギャップを最小限に抑えることを目的とした,リランカーのためのエンドツーエンドのトレーニングフレームワークであるGumbel Re rankを提案する。
  論文  参考訳（メタデータ） (2025-02-16T13:23:39Z)
• RE-RAG: Improving Open-Domain QA Performance and Interpretability with Relevance Estimator in Retrieval-Augmented Generation [5.10832476049103]
  本稿では,従来のリランカが行ったようなコンテキスト間の相対的関連性を提供する関連性推定器(RE)を提案する。 我々は,小型発電機(sLM)で訓練したREが,REとともに微調整されたsLMを改良するだけでなく,従来は未参照の大規模言語モデルも改善できることを示した。
  論文  参考訳（メタデータ） (2024-06-09T14:11:19Z)
• Query Focused Multi-Document Summarization with Distant Supervision [88.39032981994535]
  既存の作業は、クエリとテキストセグメント間の関連性を推定する検索スタイルの手法に大きく依存している。 本稿では,クエリに関連するセグメントを推定するための個別モジュールを導入した粗大なモデリングフレームワークを提案する。 我々のフレームワークは、標準QFSベンチマークにおいて、強力な比較システムよりも優れていることを実証する。
  論文  参考訳（メタデータ） (2020-04-06T22:35:19Z)

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。