論文の概要: Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration

• arxiv url: http://arxiv.org/abs/2608.11210v1
• Date: Mon, 13 Jul 2026 13:43:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 01:32:04.574046
• Title: Distribird: Literature-Informed Prior Distribution Design for Bayesian Model Calibration
• Title（参考訳）: Distribird:ベイズモデル校正のための文献インフォームド事前配布設計
• Authors: Patrik P. Süli, György Eigner, Roland Hollós,
• Abstract要約: textbfDistribirdは,学術文献から事前作成を自動化するエージェントウェブアプリケーションである。 Distribirdは、ドメイン関連性によって報告された文献、抽出、重量を検索し、AICモデル選択による確率分布に適合する。 モデルが物理的に解釈可能なパラメータを持つ問題に対して設計されており、出版文献にドメイン知識が存在する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bayesian calibration of process-based models requires a prior distribution for each model parameter. Despite decades of methodological work, researchers almost always fall back on uniform priors. The main reason is that building informative priors from scientific literature is slow and needs both domain and statistical expertise. We present \textbf{Distribird}, an agentic web application that automates this process. Given a parameter name, physical description, and domain context, Distribird deploys a multi-agent pipeline that searches the literature, extracts and weights reported values by domain relevance, and fits a probability distribution via AIC model selection. When no literature is available, the system falls back to sensible uninformative alternatives, and clearly reports both the evidence behind and the confidence level of every prior it produces. It is designed for the problems where the models have physically interpretable parameters, where domain knowledge exists in the published literature. We evaluate the tool on 24~parameters across 10 scientific domains comparing three open-weight models (Qwen3.6 27B, Gemma 4 31B, Mistral Small 4 119B) with a single-prompt LLM baseline. On prior quality the full pipeline \emph{matches} this baseline. Every prior is traced to the specific papers and values from which it was constructed; a built-in validity layer declines to produce priors for out-of-scope requests, whereas the single-prompt baseline returns confident but unfounded priors for them in 11 of 30~model--parameter cases; and every language-model call runs locally, so no parameter description or unpublished modelling detail is transmitted to a third-party LLM provider (only generated search terms reach the public literature databases). For scientific use, we argue these properties matter more than a marginal improvement in point-estimate accuracy.
• Abstract（参考訳）: プロセスベースモデルのベイズ校正には、各モデルパラメータの事前分布が必要である。 何十年にもわたる方法論的な研究にもかかわらず、研究者はほとんど常に均一な先行研究に没頭する。 主な理由は、科学的文献から情報的事前情報を構築するのが遅く、専門分野と統計的専門知識の両方を必要とするためである。 本稿では,このプロセスを自動化したエージェントWebアプリケーションであるtextbf{Distribird}を紹介する。 パラメータ名、物理的記述、ドメインコンテキストが与えられたDistribirdは、文献を検索し、ドメイン関連性によって報告された値を抽出し、重み付けするマルチエージェントパイプラインをデプロイし、AICモデル選択による確率分布に適合する。 文献が得られない場合、システムは意味のない非形式的な代替案に回帰し、背後にある証拠と、それが生成するすべての前の信頼度の両方をはっきりと報告する。 モデルが物理的に解釈可能なパラメータを持つ問題に対して設計されており、出版文献にドメイン知識が存在する。 提案手法は,3つのオープンウェイトモデル (Qwen3.6 27B, Gemma 4 31B, Mistral Small 4 119B) と単一プロンプトLDMベースラインを比較した。 以前の品質では、このベースラインは完全なパイプライン \emph{matches} である。 ビルトインの妥当性層はスコープ外要求の事前生成のために低下するのに対して、単一プロンプトのベースラインは自信を持ってはいるが、30～モデルパラメーターのケースの11で未確立の事前生成を返す。 科学的には、これらの性質は点推定精度の限界的な改善以上のことが重要であると論じる。

関連論文リスト

• Latent Fact-Checking: Detecting Misinformation through Activation Engineering [1.3299946892361476]
  本稿では,アクティベーションエンジニアリングを基盤とした誤情報検出フレームワークを提案する。 提案手法は,ペアの真理文と偽文のアクティベーションを対比することにより,残流の誤情報方向を導出する。 本手法は,AVeriTeC,LIAR,FACTorsの3つのファクトチェックベンチマークを用いて,11モデルにまたがって評価する。
  論文  参考訳（メタデータ） (2026-08-05T18:00:14Z)
• Trust, but Don't Verify: Epistemic Blind Spots in LLM Source Evaluation [0.0]
  モデルが生成した統計量を検出する能力を持っているが、マルチソース合成においてこの能力を採用していないことを示す。 具体的には、ソースの影響は、解析テキストの分布レジスタに応答するが、数値の有効性には反応しない方法論登録ゲートによって制御される。
  論文  参考訳（メタデータ） (2026-06-03T20:15:48Z)
• Search over Self-Edit Strategies for LLM Adaptation [0.0]
  本研究では,LLMがタスクフィードバックを用いて重みを更新する方法について検討する。 自己適応型言語モデル(SEAL)フレームワークをテストベッドとして使用し、固定されたヒューマンテンプレート制約を緩和した。 テンプレート生成が過去のテンプレートの軽量アーカイブで条件付けられたかどうかが異なる2つのバリエーションが研究された。
  論文  参考訳（メタデータ） (2026-01-20T22:59:58Z)
• PrefixNLI: Detecting Factual Inconsistencies as Soon as They Arise [60.63315470285562]
  MiniTruePrefixesは、テキストプレフィックスよりも事実上の矛盾をよりよく検出する、新しい特殊モデルである。 制御されたデコードフレームワークにMiniTruePrefixesを組み込むことで,抽象的な要約における現実の一貫性が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2025-11-03T09:07:44Z)
• CaLM: Contrasting Large and Small Language Models to Verify Grounded Generation [76.31621715032558]
  グラウンデッドジェネレーションは、言語モデル(LM)に、より信頼性が高く説明可能な応答を生成する能力を持たせることを目的としている。 本稿では,新しい検証フレームワークであるCaLMを紹介する。 我々のフレームワークは、より少ないパラメトリックメモリに依存する小さなLMを有効活用し、より大きなLMの出力を検証する。
  論文  参考訳（メタデータ） (2024-06-08T06:04:55Z)
• Everything to the Synthetic: Diffusion-driven Test-time Adaptation via Synthetic-Domain Alignment [81.78901060731269]
  テスト時間適応(TTA)は、これまで見つからなかった、シフトしたターゲットドメイン上でのソースドメイン事前訓練モデルの性能を改善することを目的としている。 従来のTTA手法は、主にターゲットデータストリームに基づいてモデルの重みを適応し、ターゲットデータの量と順序に敏感なモデル性能を実現する。 最近提案された拡散駆動型TTA法は、モデル入力を重みに代えて適応することでこれを緩和し、ソースドメイン上で訓練された無条件拡散モデルにより、ターゲットドメインデータをソースドメインに近似する合成ドメインに変換する。
  論文  参考訳（メタデータ） (2024-06-06T17:39:09Z)
• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)

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。