論文の概要: Certifying What Helps Customer-Return Timing: A Screen-and-Confirm Test for Conditioning Signals, and Why Decay Is Nearly Enough

• arxiv url: http://arxiv.org/abs/2608.11555v1
• Date: Wed, 12 Aug 2026 01:42:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.413069
• Title: Certifying What Helps Customer-Return Timing: A Screen-and-Confirm Test for Conditioning Signals, and Why Decay Is Nearly Enough
• Title（参考訳）: カスタマー・リターン・タイピングに役立つもの:コンディショニング・シグナルのスクリーン・アンド・コンティニュティ・テスト
• Abstract要約: Screen-and-confirmプロトコルは、信号がモデルのイベント検出可能性を改善するかどうかを認証する。 モデルレス天井は、顧客のリターンタイミングがポイント予測可能かどうかを定量化する。 私たちの貢献は、"条件付けは役に立たない"をチェック可能な、認定されたステートメントに変換するツールです。
• 参考スコア（独自算出の注目度）: 11.731565558821835
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Practitioners enrich customer-return models with ever more signals (lifetime value, category, recency/frequency, calendar, geography), and the temporal-point-process (TPP) literature follows suit with covariate- and external-covariate-conditioned intensities. But does any of it improve the timing, and how would you know? A null ("feature X doesn't help") is only meaningful if the model could have found a signal. We make two contributions--a method and a measurement--to answer this credibly. (i) A screen-and-confirm protocol that certifies whether a candidate signal improves a TPP's event-timing likelihood: a positive control plants a coupling of known strength and confirms the model recovers it, so a real-data null can be read as "no signal" rather than "weak method." The control is validated for categorical and continuous encodings, and on a real clock-driven dataset (NYC taxi hour-of-day). (ii) A model-free ceiling quantifying how little of customer-return timing is point-predictable at all (a single-digit percentage of gap variance from any covariate; returns are near-memoryless). With these we certify a clean result on three public benchmarks (Amazon, Taobao, RetailRocket) and a real marketplace (Thumbtack): the inter-event clock--continuous-time decay, long known to beat frozen-intensity models--is nearly sufficient, and the conditioning the field keeps adding is redundant or harmful on top of it (statistically null on the public benchmarks, at most 0.06 NLL; null to mildly harmful on the marketplace). We do not claim to discover that decay helps; our contribution is the tools that turn "conditioning doesn't help" into a checkable, certified statement--plus an honest-evaluation account of the read-out/leakage pitfalls we hit and retracted.
• Abstract（参考訳）: 実践者は、より多くの信号(ライフタイム値、カテゴリ、トレンド/頻度、カレンダー、地理)を持つ顧客リターンモデルを強化し、時間的ポイントプロセス(TPP)の文献は、共変量および外部共変量条件の強度に追従する。 しかし、いずれにせよタイミングは改善するのでしょうか。 null("feature X does not help")は、モデルが信号を見つけた場合にのみ意味を持つ。 我々は2つのコントリビューション - 手法と測定 - を信頼して答える。 一 候補信号がTPPの事象検出可能性を改善するかどうかを認証する画面確認プロトコルであって、正の制御が既知の強度の結合を植え付け、モデルが回復することを確認することにより、実データnullを「弱法」ではなく「無信号」として読むことができる。 この制御は、分類的および連続的なエンコーディング、および実際のクロック駆動データセット(NYC taxi-of-day)で検証される。 (II)モデルフリー天井は、顧客・リターンタイミングのどの部分がポイント予測可能か(共変量からのギャップ分散の1桁の割合;リターンはほぼメモリレス)を定量化する。 これらによって、3つの公開ベンチマーク(Amazon、Taobao、RetailRocket)と実際のマーケットプレース(Thumbtack)のクリーンな結果が証明されます。イベント間時計間の連続時間減衰は、凍結強度モデルに打ち勝つのに長く知られているが、ほぼ十分であり、フィールドの追加を継続する条件は、その上に冗長または有害である(少なくとも0.06 NLLにおいて、統計的にnullであり、市場では軽度に有害である)。我々は、この崩壊が役立つとは主張していません。我々の貢献は、"条件は役に立たない"ことをチェック可能なステートメントに転換するツールです。

関連論文リスト

• Agent Behavioral Contracts II: Certifying Compositional Reliability Without Assuming Independence [0.0]
  1つのモデルの2つの例は、2つのエージェントのハンドオフにおいて、ミッションの90.0%で共失敗する。 異なるモデルの置換は、6つのコントラストのうち6つのコントラストの関連を減少させる。
  論文  参考訳（メタデータ） (2026-08-13T07:25:05Z)
• Detecting an Effect Is Not Learning to Act on It: A Reward-SNR Floor for LLM Acquisition Agents [1.5116447879757695]
  パイプラインは、補助的なモデル由来の観測を得るために、サンプル当たりのコストを支払うことができ、取得した信号が使用される価値があるかどうかを判断する必要がある。 このような信号が平均して役に立つことを検出することは、インスタンス毎に行うことを学ぶのと同じではない。 本稿では,各インスタンス毎の取得ポリシーの学習に対する平均効果と,報奨SNR検出能力のフロアを区別して説明する。
  論文  参考訳（メタデータ） (2026-08-11T03:46:23Z)
• When Is Benchmark Contamination Detectable? Information Limits and Power-Calibrated Audits [6.908972852063454]
  行動汚染検知器は、ベンチマークがクリーンであるか、監査がほとんどパワーを持っていないため、"証拠がない"ことができる。 我々はこの区別を、トレーニング中に未知のアイテムの分数アルファが見られたベンチマークとして定式化した。 R2 = 0.83-0.98 を6つの正確な置換チャネルで予測する。 事前宣言された2段階のプランナーは、配備された試験をシミュレートし、予算を修復し、一様に保守的であり、プローブが輸送されないときに停止する。
  論文  参考訳（メタデータ） (2026-08-08T04:41:36Z)
• Calibrated e-CUSUM Decoding for Quantized Reasoning Models: Why Token Log-Probability Is the Wrong Observable for Decoding Monitors [0.6999740786886536]
  低ビット量子化により、小さな推論モデルは安価に展開できるが、思考の連鎖を分解することができる。 中心となるトークンのlog-probabilityは$log p(w_t)+H_t$が間違ったオブザーバブルであることを示します。 本稿では,トークンの不確実性と明示的な繰り返しを混在させるデジェネレーションを意識したアラームスコアを組み合わせた,トレーニング不要な復号制御手法を提案する。
  論文  参考訳（メタデータ） (2026-07-13T09:34:36Z)
• Benchmarking Error Mitigation: Artefactual Improvements in Zero-Noise Extrapolation [1.1683938179815823]
  我々は、Richardson Zero-Noise Extrapolation (ZNE)で障害モードを公開する。 補間はもはや基礎となる物理を反映せず、単一のノイズ測定の固定された再スケーリングへと崩壊することを示す。 これは、量子コンピューティングにおける多くの経験的評価の有効性に対する脅威として、まれに考えられない。
  論文  参考訳（メタデータ） (2026-07-10T12:39:22Z)
• CaliDist: Calibrating Large Language Models via Behavioral Robustness to Distraction [51.56484100374058]
  既存のLLM(Large Language Models)のキャリブレーション手法は、しばしば信頼性の重要な次元、すなわちモデルの振舞いの堅牢性を見落としている。 我々は,モデルが注意をそらす可能性を直接測定し,罰する,新しいポストホックキャリブレーション手法であるtextscCaliDistを紹介した。 textscCaliDistは、強いベースラインと比較して、期待の低いエラー(ECE)とBrier Scoreを一貫して達成します。
  論文  参考訳（メタデータ） (2026-06-04T07:27:53Z)
• Decomposed Prompting Does Not Fix Knowledge Gaps, But Helps Models Say "I Don't Know" [47.930782177987446]
  大規模言語モデルは、クローズドブックの質問応答において知識限界を認識するのに苦労することが多く、自信ある幻覚へと繋がる。 我々は、モデルスケールの異なるDirect、Assistive、Incrementalの3つのタスク等価プロンプトとマルチホップQAベンチマークを評価した。 幻覚が一致している間に事実知識が安定しているため、クロスレジームは内部の不確実性の正確なシグナルを与える。
  論文  参考訳（メタデータ） (2026-02-04T18:39:58Z)
• SpatialBench-UC: Uncertainty-Aware Evaluation of Spatial Prompt Following in Text-to-Image Generation [0.0]
  SpaceBench-UCは、ペアの空間関係を再現可能な小さなベンチマークである。 ベンチマークパッケージ、バージョン付きプロンプト、ピン付き構成、サンプルごとのチェッカー出力、レポートテーブルをリリースします。 安定拡散1.5, SD 1.5 BoxDiff, SD 1.4 GLIGENの3つのベースラインについて検討した。
  論文  参考訳（メタデータ） (2026-01-19T23:37:10Z)
• Reinforcement Learning with Verifiable yet Noisy Rewards under Imperfect Verifiers [90.50039419576807]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、人為的なラベル付けを避けるために、自動検証に対するポリシーを訓練する。 認証ハッキングの脆弱性を軽減するため、多くのRLVRシステムはトレーニング中にバイナリ$0,1$の報酬を破棄する。 この選択にはコストがかかる:textitfalse negatives(正しい回答、FNを拒絶)とtextitfalse positives(間違った回答、FPを受け入れる)を導入する。
  論文  参考訳（メタデータ） (2025-10-01T13:56:44Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Robust Conformal Prediction with a Single Binary Certificate [58.450154976190795]
  コンフォーマル予測(CP)は、任意のモデルの出力を、真のラベルを(調整可能な)高い確率でカバーすることを保証した予測セットに変換する。 我々は,MCサンプルが著しく低い場合でも,より小さな集合を生成する頑健な共形予測を提案する。
  論文  参考訳（メタデータ） (2025-03-07T08:41:53Z)
• Tracking the risk of a deployed model and detecting harmful distribution shifts [105.27463615756733]
  実際には、デプロイされたモデルのパフォーマンスが大幅に低下しないという、良心的なシフトを無視することは理にかなっている。 我々は,警告を発射する有効な方法は,(a)良性な警告を無視しながら有害なシフトを検知し,(b)誤報率を増大させることなく,モデル性能の連続的なモニタリングを可能にすることを論じる。
  論文  参考訳（メタデータ） (2021-10-12T17:21:41Z)
• Probing Model Signal-Awareness via Prediction-Preserving Input Minimization [67.62847721118142]
  モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。 SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。 その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
  論文  参考訳（メタデータ） (2020-11-25T20:05:23Z)

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。