Fugu-MT 論文翻訳(概要): Optimal Inference with Black-box Predictions

論文の概要: Optimal Inference with Black-box Predictions

arxiv url: http://arxiv.org/abs/2608.10155v1
Date: Mon, 10 Aug 2026 19:23:22 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-12 19:14:45.794137
Title: Optimal Inference with Black-box Predictions
Title（参考訳）: ブラックボックス予測による最適推論
Abstract要約: 強力なブラックボックス予測モデルは、観測されたデータと有効な統計的推測を行うための予測を組み合わせるための多くの提案を動機付けている。この進歩にもかかわらず、この分野は、仮説テストがデータと予測を有効かつ効率的に統合する方法を説明する統一原則を欠いている。
参考スコア（独自算出の注目度）: 8.278815123017116
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Powerful black-box predictive models have motivated many proposals for combining observed data with predictions to perform valid statistical inference. Despite this progress, the field lacks a unifying principle that explains how hypothesis tests should integrate data and predictions in a way that is both valid and efficient. In this work, we address this gap in the high-dimensional Gaussian sequence model. We characterize the information-theoretic limits of inference with black-box predictions when their accuracies are known and, for orthogonal predictions, when they are unknown. Building on these characterizations, we develop practical hypothesis tests that adapt to the unknown accuracies of the predictions while benefiting from strong alignment among them.
Abstract（参考訳）: 強力なブラックボックス予測モデルは、観測されたデータと有効な統計的推測を行うための予測を組み合わせるための多くの提案を動機付けている。この進歩にもかかわらず、この分野は、仮説テストがデータと予測を有効かつ効率的に統合する方法を説明する統一原則を欠いている。本研究では,高次元ガウス列モデルにおいて,このギャップに対処する。本研究は,ブラックボックス予測における情報理論的限界を,その精度が分かっていて,直交予測が未知である場合に特徴付けるものである。これらの特徴に基づいて,予測の未知の精度に適応し,両者の強い整合性から恩恵を受ける実用的な仮説テストを開発する。

関連論文リスト

Elements of Conformal Prediction for Statisticians [17.012816639498023]
コンフォーマル予測は、予測推論のための急速に成長する代替フレームワークとして現れている。本稿では、共形予測のコアアイデアと、選択した方法のレビューについて説明する。
論文参考訳（メタデータ） (2026-03-25T04:28:00Z)
Zono-Conformal Prediction: Zonotope-Based Uncertainty Quantification for Regression and Classification Tasks [41.14877380522394]
コンフォーマル予測は、統計的に有効なカバレッジ保証を備えた予測セットでベース予測器を拡張するために使用される。本稿では、間隔予測モデルとリーチセット・コンフォーマント同定にインスパイアされた新しいアプローチであるゾノ・コンフォーマル予測を導入する。ゾノコンフォーマル予測器は間隔予測器モデルや標準共形予測法よりも保守的でないことを示す。
論文参考訳（メタデータ） (2025-08-14T19:03:28Z)
Next-Token Prediction Should be Ambiguity-Sensitive: A Meta-Learning Perspective [12.655285605773932]
我々は,トランスフォーマーがモデルサイズ全体にわたって高いあいまいさの予測に苦慮していることを示す。予備的な結果は、キャパシティアロケーションの改善とテストタイムのスケーラブルな推論を通じて、あいまいな文脈でかなりの増加を示す。
論文参考訳（メタデータ） (2025-06-19T13:05:12Z)
Pre-validation Revisited [79.92204034170092]
シミュレーションと応用による予測,推測,誤差推定における事前検証の特性と利点を示す。そこで本研究では, あるモデル下での事前検証予測のためのテスト統計量の解析的分布だけでなく, 推論を行うための一般的なブートストラップ手順も提案する。
論文参考訳（メタデータ） (2025-05-21T00:20:14Z)
A comparative study of conformal prediction methods for valid uncertainty quantification in machine learning [0.0]
論文は、誰もが不確実性に気付いていて、それがどれほど重要か、そしてそれを恐れずにそれをどのように受け入れるか、という世界を探求しようとします。しかし、正確な不確実性推定を誰でも得るための特定のフレームワークが選別され、分析される。
論文参考訳（メタデータ） (2024-05-03T13:19:33Z)
Selective Temporal Knowledge Graph Reasoning [70.11788354442218]
時間的知識グラフ(TKG)は、与えられた歴史的事実に基づいて将来の事実を予測することを目的としている。既存のTKG推論モデルは、不確実な予測を控えることができない。本稿では,既存のモデルが無差別な予測ではなく選択的に行うのに役立つ,TKG推論の棄却機構を提案する。
論文参考訳（メタデータ） (2024-04-02T06:56:21Z)
Enhancing Conformal Prediction Using E-Test Statistics [0.0]
Conformal Prediction (CP) は、機械学習(ML)モデルによる予測の不確実性を定量化する、堅牢なフレームワークとして機能する。本稿では, BB予測器の導入により共形予測の有効性を高めるために, e-test 統計の力を活用して, 代替手法を考案する。
論文参考訳（メタデータ） (2024-03-28T01:14:25Z)
Confidence and Dispersity Speak: Characterising Prediction Matrix for Unsupervised Accuracy Estimation [51.809741427975105]
この研究は、ラベルを使わずに、分散シフト下でのモデルの性能を評価することを目的としている。我々は、両方の特性を特徴付けるのに有効であることが示されている核規範を用いる。核の基準は既存の手法よりも正確で堅牢であることを示す。
論文参考訳（メタデータ） (2023-02-02T13:30:48Z)
Prediction-Powered Inference [68.97619568620709]
予測を用いた推論は、実験データセットに機械学習システムからの予測を補足した場合に有効な統計的推論を行うためのフレームワークである。このフレームワークは、手段、量子、線形およびロジスティック回帰係数などの量に対して証明可能な信頼区間を計算するための単純なアルゴリズムを生成する。予測による推論により、研究者は機械学習を使用して、より有効な、よりデータ効率の高い結論を導き出すことができる。
論文参考訳（メタデータ） (2023-01-23T18:59:28Z)
Predictive Inference with Feature Conformal Prediction [80.77443423828315]
本稿では,特徴空間への共形予測の範囲を拡大する特徴共形予測を提案する。理論的観点からは、特徴共形予測は軽度の仮定の下で正則共形予測よりも確実に優れていることを示す。提案手法は,バニラ共形予測だけでなく,他の適応共形予測手法と組み合わせることができる。
論文参考訳（メタデータ） (2022-10-01T02:57:37Z)
Dense Uncertainty Estimation [62.23555922631451]
本稿では,ニューラルネットワークと不確実性推定手法について検討し,正確な決定論的予測と確実性推定の両方を実現する。本研究では,アンサンブルに基づく手法と生成モデルに基づく手法の2つの不確実性推定法について検討し,それらの長所と短所を,完全/半端/弱度に制御されたフレームワークを用いて説明する。
論文参考訳（メタデータ） (2021-10-13T01:23:48Z)

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。