論文の概要: Consistency Has a Computable Blind Spot: A Commutation Theory of Label-Free Reliability for Vision-Language Figure Reading
- arxiv url: http://arxiv.org/abs/2608.05675v2
- Date: Fri, 07 Aug 2026 04:01:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 14:11:31.109231
- Title: Consistency Has a Computable Blind Spot: A Commutation Theory of Label-Free Reliability for Vision-Language Figure Reading
- Title（参考訳）: Consistency has a Computable Blind Spot: A Commutation Theory of Label-free Reliability for Vision-Language Figure Reading
- Authors: Rasul Khanbayov, Hasan Kurban,
- Abstract要約: 図形のデータを編集し、正しい答えは計算可能な量で変化しなければならない。
一致した2つの編集は、アフィン読み込みエラーに対して確実に完全であり、ラベルの置換のためにスワップ編集のスイートが完成せず、サイクリックレバーリングはそのギャップの大部分を閉じている。
予測順序付けは、3つのモデルにまたがって行われ、その選択方法の1つの円に対して手書きの個体群が免疫する。
- 参考スコア（独自算出の注目度）: 0.8594140167290097
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Label-free reliability for vision-language models rests on invariance: perturb the input and a faithful reader's answer should not change. This has a known blind spot, a systematic misreading survives the perturbation and gets certified wrong, which we show is computable, not just real: an error is invisible to an edit exactly when the two commute, so the errors a suite cannot reach form its joint centralizer, a set that shrinks as edits are added and can be written down rather than guessed at. We act on the complementary relation, equivariance: edit a figure's data and the correct answer must change by a computable amount. Two matched edits are provably complete for affine reading errors; no suite of swap edits is complete for label permutations, and cyclic relabeling closes most of that gap. We instantiate the theory as the Equivariance-Consistency Score, a label-free, training-free detector, and release REND-EQUIV, pairing matched invariance and equivariance sets over identical data. The predicted ordering holds across three models and a hand-labeled population immune to the one circularity in how it is selected; a second invariance-family method confirms the blind spot belongs to the relation, not to any implementation; and cyclic relabeling delivers its predicted gain on a matched real sample. The same characterization explains a reported inversion of this ordering in the classifier metamorphic-testing literature: detectability is a joint property of the relation and the fault class, never of the relation alone.
- Abstract（参考訳）: 視覚言語モデルに対するラベルなしの信頼性は、インプットを摂動させ、忠実な読者の答えは変わらない。
これは既知の盲点があり、体系的な誤読が摂動を乗り越えて認証された誤りを犯す。これは、単に現実ではなく計算可能であることを示している: エラーは、2つの通勤時に正確に編集には見えないので、スイートが到達できないエラーはその共同集中化器を形成し、編集が加えられるにつれて縮小し、予想されるよりも書き下ろすことができるセットである。
図形のデータを編集し、正しい答えは計算可能な量で変化しなければならない。
一致した2つの編集は、アフィン読み込みエラーに対して確実に完全であり、ラベルの置換のためにスワップ編集のスイートが完成せず、サイクリックレバーリングはそのギャップの大部分を閉じている。
我々は、この理論を、ラベルフリーでトレーニング不要な検出器であるEquivariance-Consistency Scoreとしてインスタンス化し、REND-EQUIVを解放する。
予測順序付けは、3つのモデルにまたがって行われ、その選択方法において1つの円に免疫する手ラベル付き個体群、その盲点がどの実装にも属せず、どの実装にも属さないことを確認する第2の不変ファミリー法、および環状レザベリングは一致した実サンプルに対してその予測利得を与える。
同じ特徴は、分類器メタモルフィックテスト(英語版)の文献で報告されたこの順序の逆転を説明している: 検出性は関係と断層クラスの結合性であり、関係のみではない。
関連論文リスト
- Forgetting Is Not a Fix: Path Dependence in Sequential Engram Editing [35.76482964927589]
本研究では,概念固有のメモリトレースが1回,1回,1回を算術的に組み合わせて抽出できる線形オブジェクトとなるという仮説を検証した。
そのテストは、著者自身の参照実装に基づいて、報告された最高の編集強度で実行します。
アンラーニング・アズ・コンプライアンス:今日認定された消去は、次の編集後にアーティファクトを認定しない。
論文 参考訳（メタデータ） (2026-07-06T23:45:06Z) - 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) - Decoding in Order-Agnostic Language Models: Chain-Rule Deviation and Uniform Spreading [0.6916773850242582]
順序に依存しない言語モデル(OALM)は任意の条件セットの下でマスク付きトークンを予測するために訓練される。
学習条件はコヒーレントな関節分布の正確な分解ではないことを示す。
信頼性トレースの形状に基づく相補的診断を提案する。
論文 参考訳（メタデータ） (2026-05-31T04:25:36Z) - Bootstrapping with AI/ML-generated labels [0.0]
推定されたラベルを用いてデータを生成するが、推定において破損したバージョンに依存している、一見自然な固定ラベルブートストラップは、強い独立条件が満たさない限り、一般的には無効であることを示す。
本報告では, 真のラベルとインプットを併用したブートストラップを提案し, この条件を使わずに有効であることを示す。
シミュレーションの手法を概説し、賃金とリモートワークの状況との関係について検討する。
論文 参考訳（メタデータ） (2026-04-26T15:48:03Z) - 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) - Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
深部異方性回帰における自己教師付き共分散推定について検討する。
正規分布の間の2-ワッサーシュタイン距離の上界を導出する。
幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
論文 参考訳（メタデータ） (2025-02-14T22:37:11Z) - Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。
分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。
本手法は精度と不確実性の両方を向上することを示す。
論文 参考訳（メタデータ） (2021-09-27T01:09:08Z) - Counterfactual Invariance to Spurious Correlations: Why and How to Pass
Stress Tests [87.60900567941428]
素早い相関」とは、アナリストが重要とすべきでないと考える入力データのある側面に対するモデルの依存である。
機械学習では、これらにはノウ・イ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ・ウ」という特徴がある。
因果推論ツールを用いたストレステストについて検討した。
論文 参考訳（メタデータ） (2021-05-31T14:39:38Z) - Exploiting Sample Uncertainty for Domain Adaptive Person
Re-Identification [137.9939571408506]
各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。
不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
論文 参考訳（メタデータ） (2020-12-16T04:09:04Z) - 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。