論文の概要: When Do Corrective Features Help? An Agent for Corrective Feature Discovery on Black-Box Forecasters
- arxiv url: http://arxiv.org/abs/2608.05207v1
- Date: Wed, 05 Aug 2026 07:48:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.631222
- Title: When Do Corrective Features Help? An Agent for Corrective Feature Discovery on Black-Box Forecasters
- Title(参考訳): 矯正的特徴発見はいつに役立つのか? ブラックボックス・フォアキャスターの矯正的特徴発見のためのエージェント
- Abstract要約: 本研究は, 凍結予測器の残差をマイニングし, 軽量なポストホック整流器を駆動する手法である。
本稿では,背骨を凍結保存し,その残存物を2つの相補的発電機でマイニングするCRAFTERについて述べる。
単一のバリデーション接地ゲートは、その起源に関係なくすべての候補を受け入れ、拒否し、バリデーション選択された修正者は、受け入れられた特徴を適用したり、予測を変更せずに残す。
- 参考スコア(独自算出の注目度): 44.11700214719062
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Frozen pretrained forecasters often fail in structured, recurring ways that are costly to repair through fine-tuning. We study corrective feature discovery: mining interpretable features of a frozen forecaster's residual to drive a lightweight post-hoc corrector. Prior automated feature engineering models the data-generating process; corrective features instead model the model-failure process. We present CRAFTER (Corrective Residual Agent with Feature-based Temporal Exploration and Reasoning), which keeps the backbone frozen and mines its residual with two complementary generators: a compositional search over the raw input channels, and a large language model (LLM) that proposes named feature combinations, binary flags, and short executable code. A single validation-grounded gate accepts or rejects every candidate regardless of its origin, and a validation-selected corrector applies the accepted features or leaves the forecast unchanged. This source-agnostic pipeline also allows prior feature-engineering systems to be evaluated under identical conditions, making CRAFTER an instrument for attributing forecast improvements to the feature source alone. Across six public datasets and six frozen backbones, CRAFTER surpasses every dedicated feature-engineering system at every feature budget, roughly doubling the improvement achieved by the corrector alone and reducing the error of the weakest backbones by up to 27%. These gains are robust across different LLM backends and persist even when applied on top of fine-tuned backbones.
- Abstract(参考訳): 凍結事前訓練された予報装置は、微調整によって修理にコストがかかる構造的かつ反復的な方法で失敗することが多い。
本研究は, 凍結予測器の残差をマイニングし, 軽量なポストホック整流器を駆動する手法である。
以前は自動機能エンジニアリングがデータ生成プロセスをモデル化していた。
提案するCRAFTER(Corrective Residual Agent with Feature-based Temporal Exploration and Reasoning)は,背骨を凍結保存し,その残余を2つの補完的なジェネレータでマイニングする。
単一のバリデーション接地ゲートは、その起源に関係なくすべての候補を受け入れ、拒否し、バリデーション選択された修正者は、受け入れられた特徴を適用したり、予測を変更せずに残す。
このソースに依存しないパイプラインは、以前の機能エンジニアリングシステムを同一条件で評価することを可能にし、CRAFTERは機能ソースのみに予測改善をもたらすための手段である。
6つの公開データセットと6つの凍結したバックボーンに対して、CRAFTERはすべての機能予算において、すべての機能エンジニアリングシステムを上回り、修正者だけで達成された改善をほぼ2倍にし、最も弱いバックボーンのエラーを最大27%削減する。
これらのゲインは異なるLLMバックエンドで堅牢であり、微調整されたバックボーンの上に適用しても持続する。
関連論文リスト
- Independent Patch Verification for Coding Agents with a Bidirectional Reconstruct-and-Verify Framework [49.16055123488827]
大規模言語モデルを利用したコーディングエージェントは、バグレポートから直接コードパッチを生成することができる。
報告された問題を真に解決するかどうかを独立に検証するメカニズムは存在しない。
本稿では,RETRACE をトレーニング不要なポストジェネレーション検証フレームワークとして提案する。
論文 参考訳(メタデータ) (2026-08-09T22:59:13Z) - When Attribution Patching Lies: Diagnosis and a Second-Order Correction [9.338965648455238]
本研究は, 下流ネットワークの非直線性に起因する誤差が, パッチ成分の局所曲率よりも大きいことを示す。
この洞察は、(i)信頼できない見積もりを検出するための信頼性スコア、(ii)エラー境界がポテンシャル属性の誤特定を定量化すること、(iii)Hessian-vector-product correctが1つの後進パスで先行エラーを除去すること、の3つの実用的なツールをもたらす。
論文 参考訳(メタデータ) (2026-06-05T05:20:32Z) - Conformal Agent Error Attribution [12.400746451700945]
本稿では,共形予測(CP)に基づく誤り帰属の枠組みを提案する。
エージェントトラジェクトリなどのシーケンシャルデータ用に設計されたフィルタベースCPの新しいアルゴリズムを提案する。
我々の全体的なアプローチはモデルに依存しないものであり、MASエラーの帰属に対する原則的不確実性層を提供する。
論文 参考訳(メタデータ) (2026-05-07T18:00:07Z) - LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。
CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
論文 参考訳(メタデータ) (2026-05-02T11:31:33Z) - Revisiting Multivariate Time Series Forecasting with Missing Values [65.30332997607141]
現実の時系列では欠落値が一般的である。
現在のアプローチでは、計算モジュールを使用して、不足した値を補う、計算済みの予測フレームワークが開発されている。
このフレームワークは、致命的な問題を見落としている: 欠落した値に対して基礎的な真理は存在せず、予測精度を劣化させる可能性のあるエラーの影響を受けやすいようにしている。
本稿では,Information Bottleneck原則に基づく新しいフレームワークであるConsistency-Regularized Information Bottleneck(CRIB)を紹介する。
論文 参考訳(メタデータ) (2025-09-27T20:57:48Z) - To Trust or Not to Trust: On Calibration in ML-based Resource Allocation for Wireless Networks [13.79255363386266]
本稿では,MLに基づく単一ユーザ複数リソースアロケーションフレームワークにおける停止予測器の校正性能について検討する。
まず、このシステムの停止確率(OP)の重要な理論的特性を完全キャリブレーションの下で確立する。
資源の数が増加するにつれて、完全に校正された予測器のOPが、分類しきい値以下である期待出力に近づくことを示す。
論文 参考訳(メタデータ) (2025-07-23T13:23:43Z) - Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。
拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。
MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
論文 参考訳(メタデータ) (2024-05-01T12:03:39Z) - A hybrid feature learning approach based on convolutional kernels for
ATM fault prediction using event-log data [5.859431341476405]
イベントログデータから特徴を抽出するために,畳み込みカーネル(MiniROCKETとHYDRA)に基づく予測モデルを提案する。
提案手法は,実世界の重要な収集データセットに適用される。
このモデルは、ATMのタイムリーなメンテナンスにおいてオペレータをサポートするコンテナベースの意思決定支援システムに統合された。
論文 参考訳(メタデータ) (2023-05-17T08:55:53Z) - Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。
提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
論文 参考訳(メタデータ) (2022-03-09T01:55:59Z)
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。