論文の概要: Anytime-Valid Confirmation of Covariate Balance for Prespecified Corrections

• arxiv url: http://arxiv.org/abs/2607.23157v1
• Date: Sat, 25 Jul 2026 11:21:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.00532
• Title: Anytime-Valid Confirmation of Covariate Balance for Prespecified Corrections
• Title（参考訳）: 所定の補正のための共変量バランスの随時検証
• Abstract要約: 逐次的未ラベルのターゲット入力から予め特定された修正の正当性を確認する。 実験では、偽確認制御、バランス機能クラスへの局所性、KLドリフト診断、許容領域モニタリング、有限ソース効果が示されている。
• 参考スコア（独自算出の注目度）: 0.6599344783327052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many covariate-shift adaptation methods construct a correction $w(x)$, but users must still determine whether the corrected distribution is sufficiently balanced for the target stream. We study anytime-valid confirmation of prespecified corrections from sequential unlabeled target inputs. Our primary contribution is a procedure for confirming covariate balance. For a prespecified class of balancing functions and tolerances, time-uniform confidence sequences permit continuous monitoring and data-dependent stopping once all plausible target moments lie within their tolerance bands. If the correction is out of tolerance for at least one function, the probability of ever incorrectly confirming balance is at most the prescribed level. Upon stopping, the procedure yields a certificate local to the chosen functions and tolerances, yet providing an absolute downstream-adequacy statement that ordinary shift diagnostics generally do not. With finite source data, contracted bands preserve this guarantee while accounting for uncertainty in weighted source moments, whereas expanded bands support only compatibility diagnostics. As complementary information, we study a source-calibrated likelihood-ratio e-process whose KL-drift identity characterizes correction directions relative to the source. Under the source-reference distribution, the probability of ever crossing its evidence threshold is controlled, but crossing does not confirm balance. We also give an exponential-tilt test for departures beyond an acceptable correction region and deploy balance-confirmed corrections in weighted conformal prediction. Experiments illustrate false-confirmation control, locality to the balancing-function class, KL-drift diagnostics, acceptable-region monitoring, finite-source effects, and downstream conformal coverage under covariate shift.
• Abstract（参考訳）: 多くの共変量シフト適応法は、補正$w(x)$を構成するが、ユーザは依然として、修正された分布がターゲットストリームに対して十分に均衡しているかどうかを判断する必要がある。 逐次的未ラベルのターゲット入力から予め特定された修正の正当性を確認する。 私たちの主な貢献は、共変量バランスの確認手順です。 所定のバランス関数とトレランスのクラスでは、時間一様信頼シーケンスは、持続的な監視とデータ依存の停止を許容する。 補正が少なくとも1つの関数に対する許容範囲外である場合、不正にバランスを確認できない確率は、最も所定のレベルである。 停止すると、手順は選択された関数と許容値に局所的な証明書を出力するが、通常のシフト診断ではそうでない絶対的なダウンストリーム精度のステートメントを提供する。 有限ソースデータでは、制約バンドは重み付けされたソースモーメントの不確実性を考慮しながらこの保証を保ち、拡張バンドは互換性診断のみをサポートする。 相補的な情報として、KL-driftアイデンティティがソースに対して補正方向を特徴付ける、ソース校正された確率比の電子プロセスについて検討する。 ソース参照分布では、エビデンスしきい値を越える確率は制御されるが、交差はバランスを確認できない。 また、許容範囲を超えた出発点の指数的チルト試験を行い、重み付き共形予測においてバランス確認補正を展開する。 実験では、共変量シフトの下で、偽確認制御、バランス機能クラスへの局所性、KLドリフト診断、許容領域モニタリング、有限ソース効果、下流コンフォメーションカバレッジが説明できる。

関連論文リスト

• Learning to Adapt and Calibrate: Score Distribution Alignment for Few-Shot Uncertainty Prediction in Medical VLMs [9.993859591441238]
  本研究では,非交換性下でのコンフォーマルな不確実性推定で教師付き少数ショット適応を再現する枠組みを提案する。 AlignCPは、ラベル付きサポートセットとラベルなしクエリセットとのスコアレベルの相違を低減するために、再重み付きキャリブレーション分布を学習する。
  論文  参考訳（メタデータ） (2026-09-09T15:32:01Z)
• Beyond Marginal Validity: Finite-Sample Guarantees for Localized Conformal Prediction [25.59471163637912]
  コンフォーマル予測は、有限サンプルで分布のない辺縁被覆を持つ任意のブラックボックス予測子を与える。 我々は、条件付き妥当性とオラクル効率を協調的に制御する実現された局所集合に対して有限サンプル保証を提供する。 スコアがピボットスコアを目標とする場合、均一な局所保証は固定スコアキャリブレーションと均一なスコア推定誤差に分解される。
  論文  参考訳（メタデータ） (2026-08-06T15:59:57Z)
• Denoised Conformal Alignment for Reliable Selection of Conditional Average Treatment Effect Predictions [10.945117945979566]
  ブラックボックスCATE予測器の信頼性の選択について検討する。 疑似アウトカムから2つの堅牢なプロキシエラーを構築する。 定式化コンフォーマルアライメントを提案する。
  論文  参考訳（メタデータ） (2026-07-03T10:00:28Z)
• Anytime-Valid Confirmation of Label-Shift Corrections [0.6599344783327052]
  小規模の科学的展開では、ラベル付けされた目標結果が、信頼できるシフト推定には不足している可能性がある。 本研究では,ラベルシフト補正予測とソース予測との観測確率比が条件付きe値であることを示す。
  論文  参考訳（メタデータ） (2026-06-12T02:03:21Z)
• Discovery of Hidden Miscalibration Regimes [52.452902154360565]
  モデルは何らかの入力を体系的に過信し、他人を過信することがある。 対応する誤校正分野を定義し,それを推定するための診断フレームワークを提案する。 提案手法は,入力空間のキャリブレーションを意識した表現を学習し,学習幾何学におけるカーネルの平滑化による符号付き局所的誤校正を推定する。
  論文  参考訳（メタデータ） (2026-05-13T13:07:50Z)
• Robust Conditional Conformal Prediction via Branched Normalizing Flow [20.92399096303012]
  キャリブレーションとテスト分布が同一であるという仮定の下で、限界カバレッジを持つコンフォーマルな予測構造が保証される。 分岐正規化フロー (BNF) は、テスト入力をキャリブレーション分布に正規化し、正規化された入力の予測セットをテスト分布に変換する2分岐アーキテクチャである。 BNFは、幅広い信頼レベルにわたる9つのデータセットの条件付きカバレッジの堅牢性を一貫して改善する。
  論文  参考訳（メタデータ） (2026-05-03T13:29:26Z)
• ConformaDecompose: Explaining Uncertainty via Calibration Localization [0.26385121748044166]
  Conformal Predictionは、保証されたカバレッジを備えた、配布不要な予測間隔を提供する。 単一のグローバルキャリブレーションしきい値への依存は、インスタンスレベルでの不確実性の原因を曖昧にする。 キャリブレーションによる不確実性の再現性を分析する不確実性を考慮した説明可能性フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-29T19:58:15Z)
• LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
  医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。 本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。 texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
  論文  参考訳（メタデータ） (2026-02-19T16:45:38Z)
• Adaptive Individual Uncertainty under Out-Of-Distribution Shift with Expert-Routed Conformal Prediction [8.306260695214972]
  信頼度の高い適応区間(TESSERA)のスケールド推定を用いた信頼度エキスパートスプリット・コンフォーマルを導入する。 TESSERAは、絶対誤差を追跡する信頼性の高いカバレッジ保証、情報的かつ適応的な予測間隔幅を備えたサンプル単位の不確実性を提供する。 タンパク質-リガンド結合親和性予測は, 独立および同一分布 (d.d.) と足場ベースアウト・オブ・ディストリビューション (OOD) の双方で評価した。
  論文  参考訳（メタデータ） (2025-10-17T01:51:33Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Latent Veracity Inference for Identifying Errors in Stepwise Reasoning [78.29317733206643]
  本稿では、精度割当てに対する離散探索アルゴリズムであるVeracity Search(VS)を紹介する。 その他の方法では、後続の精度値よりも後続の分布において難解な推論を行う。 VSを一般化し、新しいコンテキストで正確なゼロショットの精度推論を可能にする。
  論文  参考訳（メタデータ） (2025-05-17T04:16:36Z)
• Provably Reliable Conformal Prediction Sets in the Presence of Data Poisoning [53.42244686183879]
  コンフォーマル予測は、モデルに依存しない、分布のない不確実性定量化を提供する。 しかし、敵が訓練データと校正データを操作した場合の毒殺攻撃では、共形予測は信頼性が低い。 信頼性予測セット (RPS): 汚染下での信頼性保証を証明可能な共形予測セットを構築するための最初の効率的な方法を提案する。
  論文  参考訳（メタデータ） (2024-10-13T15:37:11Z)
• Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
  2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。 まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。 これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
  論文  参考訳（メタデータ） (2021-03-04T20:51:03Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。