論文の概要: Signal or Spurious Cue? A Randomized Audit of Survey-Country Metadata in LLM Social Inference

• arxiv url: http://arxiv.org/abs/2608.06085v1
• Date: Thu, 06 Aug 2026 14:27:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-07 17:43:06.774546
• Title: Signal or Spurious Cue? A Randomized Audit of Survey-Country Metadata in LLM Social Inference
• Title（参考訳）: 信号・スプリアスキュー : LLM社会推論におけるサーベイ・カウンティ・メタデータのランダムな監査
• Abstract要約: ランダムなラベルの均一な、記録に依存しない起源を開示するかどうかの監査試験は、その国に向けられた取り込みを減少させる。 選択したターゲットにおいて、検証されたメタデータは両方のパネルで有用であったが、開示はランダムラベルの取り込みを確実に抑制しなかった。
• 参考スコア（独自算出の注目度）: 13.541248542974394
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Survey-country metadata can improve an LLM's forecast of an individual response when informative, yet the same cue may redirect the forecast when assigned at random. A within-record audit tests whether disclosing a random label's uniform, record-independent origin reduces its country-directed uptake, and whether verified survey country lowers held-out Brier loss. Independent population anchors and recorded human answers measure direction and consequence across five fixed API models, six countries, and seven development-selected targets. In the primary post-review 72-record panel, opaque and disclosed-random labels each produced country-direction shifts of 0.214. Paired attenuation was 0.0003 (95% CI [-0.0157, 0.0166]). Verified country reduced Brier loss by 0.040 (95% CI [0.024, 0.056]), while random-label regret included zero. A non-overlapping mixed-coverage consistency panel retained positive disclosed-random movement and verified utility, while attenuation remained uncertain. On the selected targets, verified metadata was useful in both panels, but disclosure did not reliably attenuate random-label uptake. PROV-FORECAST contains 14,400 paired item-level probability distributions from the corrected panel.
• Abstract（参考訳）: サーベイ・カントリーのメタデータは、情報提供時にLSMの個々の応答の予測を改善することができるが、同じキューがランダムにアサインされたときにその予測をリダイレクトすることができる。 ランダムなラベルの均一性、記録に依存しない起源を開示するかどうかの監査試験は、その国による獲得を減らし、検証された調査国がブライアの損失を抑えるかどうかを検査する。 独立した集団アンカーと記録された人間の回答は、5つの固定されたAPIモデル、6つの国、7つの開発対象に対する方向と結果を測定する。 初回レビュー72-レコードパネルでは、不透明なラベルと公開ランダムなラベルがそれぞれ0.214の国交シフトを発生させた。 Paired減衰は0.0003(95% CI [-0.0157, 0.0166])であった。 検証された国は、ブライアの損失を0.040(95% CI [0.024, 0.056])削減した。 重複しない混合被覆整合性パネルは、正の開示ランダム運動を維持し、有効性を確認したが、減衰は不確かであった。 選択したターゲットでは, 両方のパネルで検証されたメタデータが有用であったが, 開示はランダムラベルの取り込みを確実に抑制しなかった。 PROV-FORECASTは、修正パネルから14,400対のアイテムレベルの確率分布を含む。

関連論文リスト

• Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
  人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。 9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
  論文  参考訳（メタデータ） (2026-09-07T10:22:22Z)
• Reaching the Tail: Calibration Diversity Drives Conformal Coverage under Data Scarcity [0.0]
  長期のマクロ経済連関データ制約下では, マルチホライゾンレアイベント予測は困難である。 制御されたアブレーションは、代わりにキャリブレーションセットのサイズを反映するアダプティブ・コンフォーマル推論に対する明らかな希少しきい値を示す。
  論文  参考訳（メタデータ） (2026-08-21T19:51:08Z)
• The Exceedance Design Effect: Effective Sample Size for Thresholds under Clustering [0.0]
  多くの機械学習システムは、キャリブレーションセットの定量値にしきい値を設定する。 しきい値に異なるカウントが必要であることを示す。 得られた有効試料サイズについて閉形式法則を証明した。
  論文  参考訳（メタデータ） (2026-08-21T16:19:50Z)
• Predictive Memory Localization: Forecasting Selective Intervention Paths from Internal Signals [4.075831906880532]
  本稿では,PML(Predictive Memory Localization)を導入し,メモリローカライゼーションの予測対象として計測グリッド介入経路を取り扱う。 PMLは、ランダムキャリブレーションされた目標運動を、セマンティック近傍と能力的損傷から分離し、静的な局在化と教師あり幾何を、強度に相反する低線量因果応答と比較する。 3つの残留ノルムマッチングベースモデル全体で、学習方向は選択的パスゲインを保持し、低線量応答は0.801-0.828レコード保持マクロAUROCを生成する。
  論文  参考訳（メタデータ） (2026-08-13T07:23:32Z)
• Hard Cases, Bad Labels: Testing Error Exposure and Error Location in Uncertainty Sampling Under Bounded Label Noise [0.0]
  アクティブラーニングは、情報的な例を選択することでラベリングコストを削減することができるが、最も不確実な例は、ラベルを正しく付けるのが最も難しい場合でもある。 本研究は, ラベルが劣化しやすいため, 不確実性サンプリングが失敗するか否かを検証した。
  論文  参考訳（メタデータ） (2026-08-05T03:01:19Z)
• Why Does the Future Branch? Identifiable Closure Tests for Stochastic Physical World Models [0.0]
  ClosurePairsは、互換性のあるマイクロステートと繰り返し発生する障害を横断する介入評価プロトコルである。 双方向分散分解は、状態エイリアス、プロセスノイズ、およびそれらの非線形相互作用を識別する。 未来が分岐する理由、適切な予測スコアが特定できない情報を測定する。
  論文  参考訳（メタデータ） (2026-08-01T11:07:24Z)
• Operational Proto-Introspection in Looped Language Models: Process-Quality Taps, Executable Branching, and the Readout-Control Boundary [0.0]
  言語モデルは、進行中の計算の質を読み取ることができるか? 外部介入は、その読み出しをより良い結果に変えることができるか? 凍結した2.6Bループ変換器,Ouro-RLTTで両質問を検証した。
  論文  参考訳（メタデータ） (2026-07-20T22:40:36Z)
• Amortized Inference for Sampling Distributions Where the Bootstrap Fails [0.0]
  ニューラルネットワークは、配信ファミリ上の前者から引き出されたシミュレーションデータセットに基づいて訓練される。 単一のフォワードパスは、1つのデータセットを全サンプリング分布の推定値にマッピングし、そこから信頼区間が直接従う。 リスクを負う問題に対して、配布不要の手法は名目上は適用できないが、学習した手法は94.7%に達する。
  論文  参考訳（メタデータ） (2026-07-18T06:49:15Z)
• Privacy-Robust Incrementality Measurement for Advertising Systems under Signal Loss [0.5013248430919224]
  広告プラットフォームは、漸進性を測定するためにランダム化リフトテストを使用する。 プライバシ保存レポートシステムは、マッチレート損失、リンク可能性損失、属性ウィンドウ損失、アグリゲーション閾値抑制、ランダム化された報告ノイズ、セグメント不均一な信号損失を通じて、観測された信号を劣化させる。 本稿では、上記の信号損失に基づいて、プライバシー制約のある広告計測をロバストな因果決定問題として定式化する。
  論文  参考訳（メタデータ） (2026-06-02T16:46:38Z)
• Combating Noisy Labels through Fostering Self- and Neighbor-Consistency [120.4394402099635]
  ラベルノイズは様々な現実世界のシナリオで広まり、教師付きディープラーニングの課題を提起する。 我々は、Jo-SNC(textbfSelf- と textbfNeighbor-textbfConsistency に基づくサンプル選択とモデル正規化)というノイズロバスト手法を提案する。 我々は、クラスごとの選択閾値を調整するための自己適応型データ駆動しきい値設定方式を設計する。
  論文  参考訳（メタデータ） (2026-01-19T07:55:29Z)
• Benchmarking Fraud Detectors on Private Graph Data [70.4654745317714]
  現在、多くの種類の不正は、グラフ上で動く自動検出アルゴリズムによって部分的に管理されている。 データ保有者が不正検知器の開発を第三者にアウトソースしようとするシナリオを考察する。 サードパーティは、不正検出をデータ保持者に送信し、これらのアルゴリズムをプライベートデータセットで評価し、その結果を公表する。 本システムに対する現実的なプライバシ攻撃を提案し,評価結果のみに基づいて個人データの匿名化を可能にする。
  論文  参考訳（メタデータ） (2025-07-30T03:20:15Z)
• Privacy-Preserving Conformal Prediction Under Local Differential Privacy [19.02072419946821]
  局所微分プライバシー(LDP)に基づく2つの相補的アプローチを提案する。 最初のアプローチでは、ユーザーはモデルにアクセスするのではなく、k-aryランダム化応答を使用して入力機能と摂動ラベルを提供する。 厳格なプライバシー制約を強制する第2のアプローチでは、ユーザはバイナリ検索応答によって適合度スコアにノイズを加える。
  論文  参考訳（メタデータ） (2025-05-21T16:29:44Z)
• Conformal Language Modeling [61.94417935386489]
  生成言語モデル(LM)の共形予測のための新しい手法を提案する。 標準共形予測は厳密で統計的に保証された予測セットを生成する。 我々は,オープンドメイン質問応答,テキスト要約,ラジオロジーレポート生成において,複数のタスクに対するアプローチの約束を実証する。
  論文  参考訳（メタデータ） (2023-06-16T21:55:08Z)
• Dist-PU: Positive-Unlabeled Learning from a Label Distribution Perspective [89.5370481649529]
  本稿では,PU学習のためのラベル分布視点を提案する。 そこで本研究では,予測型と基底型のラベル分布間のラベル分布の整合性を追求する。 提案手法の有効性を3つのベンチマークデータセットで検証した。
  論文  参考訳（メタデータ） (2022-12-06T07:38:29Z)
• UNICON: Combating Label Noise Through Uniform Selection and Contrastive Learning [89.56465237941013]
  UNICONは,高ラベル雑音に対して頑健な,シンプルで効果的なサンプル選択法である。 90%のノイズレートでCIFAR100データセットの最先端データよりも11.4%改善した。
  論文  参考訳（メタデータ） (2022-03-28T07:36:36Z)

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。