論文の概要: Self-Poisoning in Adaptive Out-of-Distribution Detection: A Sharp-Threshold Theory and Certified Label-Free Calibration

• arxiv url: http://arxiv.org/abs/2607.21673v1
• Date: Thu, 23 Jul 2026 09:43:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-27 20:58:56.953308
• Title: Self-Poisoning in Adaptive Out-of-Distribution Detection: A Sharp-Threshold Theory and Certified Label-Free Calibration
• Title（参考訳）: アダプティブ・アウト・オブ・ディストリビューション検出における自己汚染:シャープ・閾値理論と認定ラベルフリー校正
• Abstract要約: テストタイム適応型アウト・オブ・ディストリビューション検出器は、未競合ストリームからメモリバンクを更新する。 この適応は証明可能な力学則に従うことを示す。 ドリフト条件下での相補的な静的校正不全に対して、CDCは、テストされたドリフト影響細胞全てにおいて、名目上のFPRラベルのない状態を回復する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Test-time adaptive out-of-distribution (OOD) detectors update a memory bank from the unlabelled stream. We show this adaptation obeys a provable dynamical law. Modelling bank impurity as a generalized Pólya urn, we prove almost-sure convergence to a mean-field equilibrium whose slope acts as a reproduction number. Below one, impurity stays benign. Above one, the bank is fully poisoned and the detector collapses. The measured admission kernel is affine ($R^2 \ge 0.996$) with slope just below one in every encoder family (a protocol signature), so this detector class is near-critical by design, and across 96 settings the predicted threshold matches the empirical collapse, where ungated dictionaries lose up to $0.163$ AUROC. We then prove that a certified admission gate, reading only a frozen reserve, severs the feedback loop and removes the transition at every contamination rate, even adversarially, while controlling false positives label-free. For the complementary static-calibration failure under drift we give CDC, which restores nominal FPR label-free on all tested drift-affected cells. Finally we prove a two-world impossibility theorem. Drift and contamination are indistinguishable without labels, forcing a closed-form power ceiling our procedure approaches. Together these give a complete possibility/impossibility characterization of label-free adaptive OOD detection.
• Abstract（参考訳）: テストタイム適応型アウト・オブ・ディストリビューション(OOD)検出器は、不正なストリームからメモリバンクを更新する。 この適応は証明可能な力学則に従うことを示す。 一般化された Pólya urn として銀行の不純物をモデル化すると、スロープが再生数として作用する平均場平衡にほぼ確実に収束することが証明される。 以下は、不純物は良性である。 その上、銀行は完全に毒を盛られ、検出器は崩壊する。 測定された入力カーネルはアフィン(R^2 \ge 0.996$)で、すべてのエンコーダファミリー(プロトコルシグネチャ)に1以下の勾配(プロトコルシグネチャ)を持つため、この検出クラスは設計上ほぼクリティカルであり、96設定中、予測しきい値は経験的崩壊と一致し、アンゲート辞書は最大0.163ドルAUROCを失う。 そして,凍結した保留地のみを読み取り,フィードバックループを分離し,偽陽性のラベルフリーを制御しながら,汚染率の度合いに応じて遷移を除去する認証入場ゲートを証明した。 ドリフト条件下での相補的な静的校正不全に対して、CDCは、テストされたドリフト影響細胞全てにおいて、名目上のFPRラベルのない状態を回復する。 最後に、2次元の不合理性定理を証明する。 ドリフトと汚染はラベルなしでは区別できないため、クローズドフォームのパワー天井に我々の手順を迫られる。 これらの組み合わせにより、ラベルなし適応OOD検出の完全な可能性/可能性のキャラクタリゼーションが提供される。

関連論文リスト

• Reversibility-Verified De-identification for Cloud-Local LLM Inference: A Locally Certified Dehydrate-Rehydrate Loop with Layered Assurance (DR-SL) [1.802678437602184]
  DR-SL (Dehydrate-Rehydrate with Self-Learning loop) は、脱同定完全性を2つの測定可能な条件として定式化する。 完全局所二分岐検証器は、終了が保証されたレキソグラフィゲートの下で脱水を繰り返す。 ファノ型の低い境界、フグの目撃者、そしてレート・プライバシ・フィージビリティの基準を証明し、その範囲を明確化します。
  論文  参考訳（メタデータ） (2026-09-14T01:04:58Z)
• SteerCheck: Attribution Specificity and Alignment Leakage in Activation-Steering Audits [5.366718741784969]
  活性化ステアリングは、その効果が意図された概念に固有のものであることを証明せずに行動を変えることができる。 我々は、ターゲット外のKLにマッチし、平均、保護されたテール、極性、転送、セマンティッククレームを分離する、事前登録された属性監査であるSteerCheckを紹介する。
  論文  参考訳（メタデータ） (2026-08-25T10:00:29Z)
• When Is Benchmark Contamination Detectable? Information Limits and Power-Calibrated Audits [6.908972852063454]
  行動汚染検知器は、ベンチマークがクリーンであるか、監査がほとんどパワーを持っていないため、"証拠がない"ことができる。 我々はこの区別を、トレーニング中に未知のアイテムの分数アルファが見られたベンチマークとして定式化した。 R2 = 0.83-0.98 を6つの正確な置換チャネルで予測する。 事前宣言された2段階のプランナーは、配備された試験をシミュレートし、予算を修復し、一様に保守的であり、プローブが輸送されないときに停止する。
  論文  参考訳（メタデータ） (2026-08-08T04:41:36Z)
• Conformal calibration and look-elsewhere effect in anomaly detection for new-physics searches [0.0]
  機械学習による異常検出は、新しい物理学の探索を再構築している。 本稿では,共形予測に基づく校正層を提案する。
  論文  参考訳（メタデータ） (2026-06-11T18:00:02Z)
• A prior-free blind detection of information leakage from model predictions [0.0]
  本稿では,リーク診断が予測リスク/アウトカム則の関数となる決定論的枠組みを提案する。 正当モデルの校正と識別に適合する校正されたリークは、予測の空白関数により、正直な性能と区別できない。 ほぼ決定論的部分群は、非決定論的結果の正当な予測者が製造できない持続的単位純度ヘッドを生成する。
  論文  参考訳（メタデータ） (2026-06-09T05:13:03Z)
• When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression [1.14219428942199]
  標準的なプラクティスは、信頼性カットオフで校正されたスコアをしきい値にし、ハードラベルを真実として扱うことである。 疑似ラベリングパイプラインのためのキャリブレーション対応診断装置を開発した。 我々は、下流回帰係数において信頼しきい値が誘導する減衰バイアスの閉形式式を導出する。
  論文  参考訳（メタデータ） (2026-05-12T21:49:11Z)
• MEMSAD: Gradient-Coupled Anomaly Detection for Memory Poisoning in Retrieval-Augmented Agents [0.0]
  検索強化エージェントに対するメモリ中毒攻撃を,統合評価フレームワークを用いたStackelbergゲームとして定式化する。 ASR-R: 0.25〜1.00$) による攻撃成功度を4倍に向上させる。 私たちの主な貢献は、勾配結合に接地したキャリブレーションに基づく防御であるMEMSADである。
  論文  参考訳（メタデータ） (2026-05-05T08:15:41Z)
• Evidence Sufficiency Under Delayed Ground Truth: Proxy Monitoring for Risk Decision Systems [0.0]
  本稿では,4次元(完全性,新鮮性,信頼性,代表性)と意思決定対応ゲートを備えたエビデンスモデルの定式化を行う。 補完的なプロキシインジケータフレームワークは、ラベルなしで十分劣化を推定する。 このフレームワークは、ガバナンスの十分な監視手段に貢献している。
  論文  参考訳（メタデータ） (2026-04-17T06:30:11Z)
• CoVerRL: Breaking the Consensus Trap in Label-Free Reasoning via Generator-Verifier Co-Evolution [52.691495954442985]
  CoVerRLは1つのモデルがジェネレータと検証ロールを交換するフレームワークで、各機能が他方をブートストラップする。 Qwen と Llama のモデルファミリーでの実験では、CoVerRL は数理推論のベンチマークで4.7-5.9% でラベルなしのベースラインを上回っている。 自己検証の精度は55%から85%以上改善され、両方の能力が真に共存することを確認した。
  論文  参考訳（メタデータ） (2026-03-18T14:38:55Z)
• Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
  両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。 我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
  論文  参考訳（メタデータ） (2025-10-17T03:06:23Z)
• A Granular Study of Safety Pretraining under Model Abliteration [64.24346997570275]
  本稿では,リフレクションに敏感な方向を除去する軽量プロジェクション技術であるモデルアブリーブレーションについて検討する。 我々は、バランスのとれた有害かつ無害なケースで100のプロンプトを発行し、複数の判断を用いて**Refusal*または***Non-Refusal*として応答を分類し、判断の忠実さを検証する。 本研究は,データ中心の安全コンポーネントが失語中も頑健であるチェックポイントレベルの特徴付けを行う。
  論文  参考訳（メタデータ） (2025-10-03T07:01:45Z)
• Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers [90.50039419576807]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、人為的なラベル付けを避けるために、自動検証に対するポリシーを訓練する。 認証ハッキングの脆弱性を軽減するため、多くのRLVRシステムはトレーニング中にバイナリ$0,1$の報酬を破棄する。 この選択にはコストがかかる:textitfalse negatives(正しい回答、FNを拒絶)とtextitfalse positives(間違った回答、FPを受け入れる)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T13:56:44Z)
• Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
  コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。 我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
  論文  参考訳（メタデータ） (2025-03-07T08:41:53Z)
• Robust Yet Efficient Conformal Prediction Sets [53.78604391939934]
  コンフォーマル予測(CP)は、任意のモデルの出力を真のラベルを含むことが保証された予測セットに変換することができる。 整合性スコアの最悪のケース変化をバウンドすることで、証明可能なロバストな集合を導出する。
  論文  参考訳（メタデータ） (2024-07-12T10:59:44Z)
• Mitigating the Mutual Error Amplification for Semi-Supervised Object Detection [92.52505195585925]
  擬似ラベルの修正機構を導入し,相互誤りの増幅を緩和するクロス・インストラクション(CT)手法を提案する。 他の検出器からの予測を直接擬似ラベルとして扱う既存の相互指導法とは対照的に,我々はラベル修正モジュール(LRM)を提案する。
  論文  参考訳（メタデータ） (2022-01-26T03:34:57Z)

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。