論文の概要: Certified Domain Consistency for Multi-Domain Retrieval: Label-Free Per-Domain Contamination Control with Conformal Risk Guarantees

• arxiv url: http://arxiv.org/abs/2607.14157v1
• Date: Tue, 14 Jul 2026 20:05:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.844104
• Title: Certified Domain Consistency for Multi-Domain Retrieval: Label-Free Per-Domain Contamination Control with Conformal Risk Guarantees
• Title（参考訳）: マルチドメイン検索のための認証ドメイン整合性:コンフォーマルリスク保証付きラベルフリー単ドメイン汚染制御
• Abstract要約: C3Rはドメイン単位の汚染予算を認証するドロップイン制御層である。 コアはリスク制御予測セット上に構築された2分割スキームである。
• 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: Retrieval over corpora that mix several domains often returns relevant but wrong-domain evidence that ranking metrics miss and that conformal risk control bounds only marginally, under-covering the worst domains. This work introduces C3R, a drop-in control layer that, from an inferred domain posterior and no query-time label, certifies a per-domain contamination budget where feasible and otherwise abstains rather than silently violating; on the hardest domains it guarantees a reduction, not a tight bound. The core is a two-split scheme built on risk-controlling prediction sets, whose finite-sample transfer bound crosses from the inferred to the true domain with fully estimable slack, supports heterogeneous budgets, and inverts for deployment. Population validity rests on this bound and a controlled simulation; across a thousand resampled calibrations the certificate never violates (a stability result) while marginal control violates the most-contaminated domain in every draw, and soft demotion retains more recall than the strongest calibrated cascade at equal certified contamination. The method replicates across open testbeds including an independent one from public federal regulations, and an LLM-judged downstream probe indicates wrong-authority grounding rises with contamination and falls under control. The layer is frozen-stack and reranker-agnostic.
• Abstract（参考訳）: いくつかのドメインを混ぜたコーパスを検索すると、関連性はあるが間違ったドメインの証拠が返される。 この研究は、推論されたドメイン後部からクエリ時ラベルのないドロップイン制御層であるC3Rを導入し、ドメインごとの汚染予算を認定する。 コアはリスク制御予測セットに基づいて構築された2分割のスキームであり、その有限サンプル移動境界は、推測された領域から真の領域へ完全に推定可能なスラックで交差し、不均一な予算をサポートし、配置の逆である。 人口の正当性はこの境界線と制御されたシミュレーションに基づいており、1000個の再サンプリングされたキャリブレーションを通して証明書は決して違反しない(安定性の結果)が、限界制御はすべてのドローにおいて最も汚染されたドメインに違反し、ソフトデモーションは同一の認証されたキャリブレーションで最強のキャリブレーションされたカスケードよりも多くのリコールを保持する。 この方法は、公的な連邦規制から独立したものを含むオープンテストベッドを複製し、LSMが判断した下流プローブは、汚染によって不正な権威が上昇し、制御下に置かれていることを示している。 層は凍結したスタックであり、再帰的ではない。

関連論文リスト

• A distribution-free certification framework for trustworthy crash-severity prediction [1.089614199781423]
  厳密なモデルを修正せずにラップする認証層を開発します。 テキサス州の7つのベースモデルにまたがる520万件の記録では、同層は同一の妥当性を持つ。 フレームワークは定理レベルのテストを備えたオープンソースパッケージとしてリリースされている。
  論文  参考訳（メタデータ） (2026-09-10T14:20:08Z)
• One Step, One Lead: Mitigating Higher-Order Interference in Multi-Domain Reinforcement Learning via Cross-Step Control [62.82372407840088]
  同点領域勾配は、連続的な更新が出力空間で部分的に逆転する場合においても、ほぼ一定であることを示す。 トークンレベルのリバウンドリスクをランク付けするために,各イテレーションでフォーカスドメインを指定するOSOLを提案する。 OSOLは0.4822のドメイン-マクロ平均に達し、最強の比較ベースラインよりも5.7%向上した。
  論文  参考訳（メタデータ） (2026-09-06T08:32:59Z)
• False Sense of Safety in Selective Signal Classification: Auditing Bound Tightness and Exchangeability for Risk Control [6.3999417080764225]
  分布自由リスク制御による選択的な予測では、キャリブレーションドローに対する信頼度1-deltaでは、受け入れられた入力のエラー率は、ユーザ予算のアルファ値以下である。 我々はこの約束を、機械異常音検出(ASD)とAI生成画像鑑定という信号領域検出器で監査する。
  論文  参考訳（メタデータ） (2026-06-13T06:48:50Z)
• How Useful is Causal Invariance for Domain Adaptation in Finite-Sample Settings? [58.740078141879984]
  機械学習モデルは、トレーニングされたソースディストリビューションとは異なるターゲットディストリビューションにデプロイされると、しばしば劣化する。 因果関係に基づく領域一般化における最近の研究は、共用因果構造が不変な予測因子を誘導する方法を示している。 本稿では,完全あるいは部分的な因果知識が,教師付きドメイン適応を確実に改善できるかどうかについて検討する。
  論文  参考訳（メタデータ） (2026-06-10T21:07:49Z)
• A Local Perturbation Theory for Cross-Domain Interference and Recovery in Multi-Domain RL [49.589717630468876]
  単一領域のRLは、上位変化ニューロン間の重なりが弱い、スパースで小振幅のパラメータの編集を生成する。 マルチドメインRLの局所モデルの下では、後続のドメイントレーニングは、主に2階の損傷項によって、以前のドメインに害を与えることが証明される。
  論文  参考訳（メタデータ） (2026-06-01T15:44:56Z)
• Anytime PAC-Bayes for Constrained Density-Ratio Networks under Covariate Shift [0.0]
  PAC-Bayesはベルヌーイ-KL境界を生じる固定時間状態の重み付けリスクに基づいてインスタンス化される。 実データデプロイメントによる解析的基盤真理に対するパッチテストは、フレームワークを検証します。 単一の固定時間カバレッジ障害が記録され、スプリット単位のカバレッジがラベルシフトの大きさと一致している。
  論文  参考訳（メタデータ） (2026-05-17T01:07:17Z)
• Disagreement-Regularized Importance Sampling for Adversarial Label Corruption [3.0416928830191066]
  Disagreement-Regularized Importance Smpling (DR-IS)は、独立したプロキシアンサンブル間での損失ランクの分類に基づくサブサンプリング手法である。 DR-ISは、ベンチマークデータセット上のError $L$-norm (EL2N)のようなマグニチュードベースのメソッドを壊すターゲットの高いノーム攻撃の下で堅牢である。
  論文  参考訳（メタデータ） (2026-05-08T10:27:51Z)
• Domain-Aware Hierarchical Contrastive Learning for Semi-Supervised Generalization Fault Diagnosis [49.89578655034085]
  本稿では,障害診断のためのドメイン認識型階層的コントラスト学習(DAHCL)という統合フレームワークを提案する。 DAHCLは、ソースドメインの幾何学的特徴を捉え、異種ソースドメイン間の擬似ラベル予測を校正する。 また,動的信頼層化とファジィコントラスト監視を組み合わせた階層型コントラスト学習モジュールを開発した。
  論文  参考訳（メタデータ） (2026-04-22T08:41:27Z)
• Source-Free Cross-Domain Continual Learning [10.156053708425711]
  リハーサルのない周波数対応動的プロンプトコラボレーション(REFEREE)を提案し、クロスドメイン連続学習の領域におけるラベル付きソースドメインサンプルの欠如に対処する。 REFEREEはソース事前学習モデルと大規模視覚言語モデルとの相乗効果に基づいて構築される。
  論文  参考訳（メタデータ） (2025-10-02T04:09:25Z)
• Learning Calibrated Uncertainties for Domain Shift: A Distributionally Robust Learning Approach [150.8920602230832]
  ドメインシフトの下で校正された不確実性を学習するためのフレームワークを提案する。 特に、密度比推定は、ターゲット(テスト)サンプルの近さをソース(トレーニング)分布に反映する。 提案手法は下流タスクに有利な校正不確実性を生成する。
  論文  参考訳（メタデータ） (2020-10-08T02:10:54Z)
• Log-Likelihood Ratio Minimizing Flows: Towards Robust and Quantifiable Neural Distribution Alignment [52.02794488304448]
  そこで本研究では,対数様比統計量と正規化フローに基づく新しい分布アライメント手法を提案する。 入力領域の局所構造を保存する領域アライメントにおいて,結果の最小化を実験的に検証する。
  論文  参考訳（メタデータ） (2020-03-26T22:10:04Z)
• A Balanced and Uncertainty-aware Approach for Partial Domain Adaptation [142.31610972922067]
  この研究は、特にターゲットドメインのクラスラベルがソースドメインのサブセットである場合に、教師なしのドメイン適応問題に対処する。 本稿では,ドメイン逆境学習に基づく新しいドメイン適応手法 BA$3$US を提案し,BAA(Ba balanced Adversarial Alignment)とAUS(Adaptive Uncertainty Suppression)の2つの新しい手法を提案する。 複数のベンチマーク実験の結果、BA$3$USが部分的なドメイン適応タスクの最先端を超越していることが示されている。
  論文  参考訳（メタデータ） (2020-03-05T11:37:06Z)

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。