論文の概要: Certifying when decision-time information justifies adaptive experimentation
- arxiv url: http://arxiv.org/abs/2607.27651v1
- Date: Thu, 30 Jul 2026 04:02:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.390729
- Title: Certifying when decision-time information justifies adaptive experimentation
- Title（参考訳）: 意思決定時情報が適応実験を正当化する際の認証
- Abstract要約: 我々は,Opportunity-Aware Policy Authorization for Laboratories (OPAL)を紹介する。
OPALは適応をまったく有効にすべきかどうかを決定する。
ロックされた薬理ゲノミクスと有限系統の研究は、政策上のミスアライメントを非正当性と区別する。
- 参考スコア（独自算出の注目度）: 8.057239320981447
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Adaptive laboratories choose measurements during experiments, yet most methods begin after adaptation is permitted. We introduce Opportunity-aware Policy Authorization for Laboratories (\OPAL{}), a framework that decides whether adaptation should be enabled at all. \OPAL{} uses a precommitted contract to require non-trivial adaptation, controlled target risk and positive executed value after cost. We establish an impossibility boundary: source outcomes and unlabelled target covariates cannot uniformly support non-trivial authorization under unrestricted conditional outcome shift, and derive a target-calibrated recovery. Applied to an unseen 11,265-compound Cell Painting partition, the frozen gate selected 595 compounds, captured 384 positive opportunities and achieved strictly positive executed value under least-favourable completion; its 5.18\% false-activation upper bound remained below a 7.5\% limit. Among six methods, only \OPAL{} combined non-zero activation with this risk control. Locked pharmacogenomic and finite-campaign studies distinguish policy misalignment from non-certifiability, establishing authorization as a distinct layer for safe adaptive science.
- Abstract（参考訳）: 適応的な実験室は実験中に測定を選択するが、ほとんどの方法は適応が許可された後に開始される。
本稿では,実験室に対するオポチュニティ対応政策認可(\OPAL{})について紹介する。
OPAL{}は、非自明な適応、制御されたターゲットリスク、コスト後のポジティブな実行値を要求するために、事前コミットされた契約を使用する。
我々は、制約のない条件付き結果シフトの下で、ソース結果と未ラベルのターゲット共変体は、一様に非自明な承認を支持できず、ターゲット校正されたリカバリを導出する、不合理性境界を確立する。
未確認の11,265両のセルペイントパーティションに適用すると、凍結ゲートは595個の化合物を選択し、384個の正の機会を捕獲し、最低限の完成率で厳密な正の値を達成した。
6つの方法のうち、OPAL{}のみが非ゼロアクティベーションとこのリスクコントロールを組み合わせた。
ロックされた薬理ゲノミクスと有限系統研究は、政策上のミスアライメントを非正当性から区別し、安全な適応科学のための別の層として承認を確立する。
関連論文リスト
- Behavioral Cloning Outperforms Entropy-Regularized RL: Critic-Driven Failure of Actor-Critic Methods on Adaptive Tumor Treatment [46.644955105516466]
そこで, 最適制御解析により良好なスケジュールの形状を定式化する3つの腫瘍制御ODEについて検討した。
コンパレータに対して、微調整されたポリシーは、失敗ではなく、有能なコントローラとして読むだろう。
論文 参考訳（メタデータ） (2026-09-06T15:18:25Z) - Guaranteed Adaptive Modality Acquisition: When the Policy Chooses Its Own Calibration Group [0.0]
マルチモーダルシステムは、入力のいくつかのみを保持する推論を開始し、残りをコストで取得することができる。
パターン条件保証が有効であり続けると特徴付け、2つの有限サンプル構成を与える。
逆例は、カリブレーション非依存のグルーピングマップに対して証明された保証が、ポリシーが端末群キャリブレーションに依存した場合、転送する必要はないことを示している。
論文 参考訳（メタデータ） (2026-08-16T04:19:31Z) - When Can Conformal Risk Control Certify LLM Outputs? Bounds, Impossibility, and Adaptation for Structured Generation [0.11280931253550518]
構造化世代 (NER, 抽出, QA, 分類) にデプロイされる大規模言語モデル (LLM) には、正式な信頼性保証がない。
我々は、共形リスク制御(CRC)が構造化LLM出力を証明でき、かつ、それが証明不可能な場合に特徴付ける。
論文 参考訳（メタデータ） (2026-06-27T19:25:07Z) - Everywhere Valid Bounds on False Discovery Proportions in Conformal Inference [19.796377044066286]
共形推論は、共形p値がしきい値以下になるテストサンプルを選択するためにしばしば用いられる。
このような手法の質は、しばしば誤った選択の分数として定義される偽発見率(FDP)によって測定される。
本稿では、FDP上の有限サンプル分布のない上界を、可能なすべての拒絶しきい値に対して同時に保持する。
論文 参考訳（メタデータ） (2026-05-20T05:24:39Z) - What Do We Care About in Bandits with Noncompliance? BRACE: Bandits with Recommendations, Abstention, and Certified Effects [0.0]
下流アクターが私的情報を利用する場合、リコメンデーション福祉は学習者評価可能な治療方針を厳格に超えることができることを示す。
有限コンテキスト2乗IV問題に対して,パラメータフリー位相共役アルゴリズムBRACEを提案する。
我々はこの理論を、直接制御にまたがる有限コンテキスト経験的ベンチマークで補完し、現在の未来的トレードオフ、弱い識別、均一性障害、長方形の過剰識別を媒介する。
論文 参考訳（メタデータ） (2026-03-10T11:40:42Z) - Conformal Policy Control [50.46542384484142]
我々は、安全な参照ポリシーを、最適化されているが未試験のポリシーの確率的規制として使う方法を示す。
保守的な最適化方法とは異なり、ユーザーが正しいモデルクラスを識別したとは仮定しない。
自然言語質問応答から生体分子工学まで,本研究の応用実験は,デプロイ開始当初から安全な探索が可能であることを示唆している。
論文 参考訳（メタデータ） (2026-03-02T18:54:36Z) - HD-TTA: Hypothesis-Driven Test-Time Adaptation for Safer Brain Tumor Segmentation [2.6652065637846074]
テスト時間適応メソッドは、推論を盲目的最適化タスクとして扱い、一般的な目的をテストサンプルに適用する。
本稿では,動的決定プロセスとして適応を再構築する新しいフレームワークである仮説駆動型TTAを提案する。
我々は、この概念実証を、クロスドメインのバイナリ脳腫瘍セグメンテーションタスクで検証する。
論文 参考訳（メタデータ） (2026-02-23T02:53:05Z) - Optimistic Feasible Search for Closed-Loop Fair Threshold Decision-Making [0.0]
バンディットフィードバックからの1次元しきい値ポリシーのオンライン学習について検討する。
我々は,報酬と制約残差に対する信頼境界を維持する単純なグリッドベース手法であるOptimistic Feasible Search (OFS)を提案する。
論文 参考訳（メタデータ） (2025-12-26T10:44:40Z) - 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) - Learning Verifiable Control Policies Using Relaxed Verification [49.81690518952909]
本研究は,実行中にプロパティを評価可能なポリシを目標として,トレーニングを通じて検証を実施することを提案する。
アプローチは、微分可能な到達可能性分析を使用して、新しいコンポーネントを損失関数に組み込むことである。
論文 参考訳（メタデータ） (2025-04-23T16:54:35Z) - Robust and Agnostic Learning of Conditional Distributional Treatment Effects [44.31792000298105]
問題クラスに対する条件付きDTE(Conditional DTE)を学習するための、新しい堅牢でモデルに依存しない方法論を提供する。
本手法は回帰モデルクラスにCDTEの最良のプロジェクションを提供することができるため,モデルに依存しない。
シミュレーションにおける提案手法の挙動と,富に対する401(k)の適格性の影響を事例として検討した。
論文 参考訳（メタデータ） (2022-05-23T17:40:31Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - Improper Learning with Gradient-based Policy Optimization [62.50997487685586]
未知のマルコフ決定過程に対して学習者がmベースコントローラを与えられる不適切な強化学習設定を考える。
制御器の不適切な混合のクラス上で動作する勾配に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2021-02-16T14:53:55Z)
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。