論文の概要: Sequence prediction under a lying oracle

• arxiv url: http://arxiv.org/abs/2608.14102v1
• Date: Fri, 14 Aug 2026 09:03:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.333192
• Title: Sequence prediction under a lying oracle
• Title（参考訳）: 嘘つきオラクルにおけるシーケンス予測
• Abstract要約: それぞれのエポックにおいて、環境が$m$aryアルファベットから結果を選択する場合、$m$aryシーケンスの逐次予測の問題を考える。 提案するコスト関数は, 環境が生み出す結果を予測する複雑さを, 上記の予測を, 嘘つきのオラクルに対して比較クエリによって行うシナリオで捉えたものである。
• 参考スコア（独自算出の注目度）: 6.189104139567106
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of sequential prediction of an $m$-ary sequence, where at each epoch, (i) the environment selects an outcome from an $m$-ary alphabet, (ii) the learner selects a probability distribution over the same alphabet (unaware of the outcome generated by the environment), and finally, (iii) the learner incurs a cost that depends on the probability assigned to the outcome. The cost function we consider captures the complexity of predicting the outcome generated by the environment, in a scenario where the aforementioned prediction is performed via comparative queries to a lying oracle. We consider both stochastic and adversarial environments, propose algorithms for both settings, and establish logarithmic upper bounds on their regret.
• Abstract（参考訳）: それぞれのエポックにおける$m$-ary列の逐次予測の問題を考える。 i) 環境は$m$-aryアルファベットから結果を選択する。 (二)学習者は、同じアルファベット上の確率分布(環境が生み出す結果に気付かない)を選択し、最後に、 三 学習者は、結果に割り当てられた確率に依存する費用を負担する。 提案するコスト関数は, 環境が生み出す結果を予測する複雑さを, 上記の予測を, 嘘つきのオラクルに対して比較クエリによって行うシナリオで捉えたものである。 確率環境と逆環境の両方を考慮し、両方の設定のためのアルゴリズムを提案し、その後悔に基づいて対数上界を確立する。

関連論文リスト

• The Sample Complexity of Multiclass and Sparse Contextual Bandits [106.74652380822778]
  我々は,包括的フィードバックに基づいて,与えられたクラスからほぼ最適なポリシーを特定することを目的とする。 ゼロ・ワンの報酬を伴うバンド型マルチクラス分類に動機付けられ、emph$s$-sparse設定に焦点をあてる。 我々は、$s$-sparseの報酬で、誘導モデルクラスは、$s$でスケールするシャープなDEC境界を認め、直接最適なレートを得ることを示す。
  論文  参考訳（メタデータ） (2026-05-28T09:12:20Z)
• CRPS-Optimal Binning for Conformal Regression [0.0]
  そこで本研究では,共分類観測を連続したビンに分割した非パラメトリック条件分布推定法を提案する。 非整合性スコアとしてCRPSに基づくVenn予測バンドと共形予測セットの2つの補完的予測オブジェクトを形成する。
  論文  参考訳（メタデータ） (2026-03-23T14:07:09Z)
• Contextual Preference Distribution Learning [5.872632454395936]
  本稿では、優先分布を学習し、下流の問題を解決するためにそれらを活用するための逐次学習最適化パイプラインを提案する。 我々は、(整数)線形プログラムとして定式化できる人間の選択設定に焦点を当てる。
  論文  参考訳（メタデータ） (2026-03-17T21:11:21Z)
• Distribution-informed Online Conformal Prediction [53.674678995825666]
  更新ルールに基礎となるデータパターンを組み込んだオンラインコンフォメーション予測アルゴリズムである Conformal Optimistic Prediction (COP) を提案する。 COPは予測可能なパターンが存在する場合により厳密な予測セットを生成し、見積もりが不正確な場合でも有効なカバレッジ保証を保持する。 我々は,COPが有効なカバレッジを実現し,他のベースラインよりも短い予測間隔を構築できることを証明した。
  論文  参考訳（メタデータ） (2025-12-08T17:51:49Z)
• Conformal Information Pursuit for Interactively Guiding Large Language Models [68.16703423481935]
  本稿では,クエリ数の最小化を目的としたシーケンシャルクエリ戦略について検討する。 そのような戦略の1つは情報探索(IP)であり、各反復で情報ゲインを最大化または同等に不確実性を最小化するクエリを選択する。 本稿では,コンフォーマル情報探索法(C-IP)を提案する。
  論文  参考訳（メタデータ） (2025-07-04T03:55:39Z)
• Non-clairvoyant Scheduling with Partial Predictions [17.387787159892287]
  本稿では, 頑健性, 一貫性, 滑らかさの基準を満たす学習補助アルゴリズムを提案する。 また,予測数を制限するシナリオに固有の一貫性と滑らかさの新たなトレードオフも提示する。
  論文  参考訳（メタデータ） (2024-05-02T05:29:22Z)
• Post-selection Inference for Conformal Prediction: Trading off Coverage for Precision [0.0]
  伝統的に、共形予測推論はデータに依存しない発見レベルの仕様を必要とする。 我々は,データ依存的誤発見レベルを考慮した同時共形推論を開発する。
  論文  参考訳（メタデータ） (2023-04-12T20:56:43Z)
• Synthetic Combinations: A Causal Inference Framework for Combinatorial Interventions [8.491098180590447]
  介入の任意の組み合わせ、すなわち$N×2p$因果パラメータについて、単位特異的な潜在的な結果を学ぶ。 様々なパラメーターを推定するために$N×2p$の実験を実行すると、$N$と$p$が成長するほど高価で/または実現不可能である。
  論文  参考訳（メタデータ） (2023-03-24T18:45:44Z)
• Navigating to the Best Policy in Markov Decision Processes [68.8204255655161]
  マルコフ決定過程における純粋探索問題について検討する。 エージェントはアクションを逐次選択し、結果のシステム軌道から可能な限り早くベストを目標とする。
  論文  参考訳（メタデータ） (2021-06-05T09:16:28Z)
• Predict then Interpolate: A Simple Algorithm to Learn Stable Classifiers [59.06169363181417]
  Predict then Interpolate (PI) は環境全体にわたって安定な相関関係を学習するためのアルゴリズムである。 正しい予測と間違った予測の分布を補間することにより、不安定な相関が消えるオラクル分布を明らかにすることができる。
  論文  参考訳（メタデータ） (2021-05-26T15:37:48Z)
• Stochastic Saddle-Point Optimization for Wasserstein Barycenters [69.68068088508505]
  オンラインデータストリームによって生成される有限個の点からなるランダムな確率測度に対する人口推定バリセンタ問題を考察する。 本稿では,この問題の構造を用いて,凸凹型サドル点再構成を行う。 ランダム確率測度の分布が離散的な場合、最適化アルゴリズムを提案し、その複雑性を推定する。
  論文  参考訳（メタデータ） (2020-06-11T19:40:38Z)

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。