論文の概要: Generation-Powered Inference for Distribution-Valued Outcomes
- arxiv url: http://arxiv.org/abs/2608.14542v1
- Date: Fri, 14 Aug 2026 17:55:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-17 20:14:29.463507
- Title: Generation-Powered Inference for Distribution-Valued Outcomes
- Title（参考訳）: 配電価値出力に対する世代別推論
- Abstract要約: ジェネレーション・パワード・推論(GPI)は、補助生成モデルを用いて分布値パラメータの推論を改善するための一般的なフレームワークである。
我々は,線形汎関数とワッサーシュタイン距離の最適情報借用,一貫性,有効推論が可能なGPI推定器群を開発した。
そこでは,40Sリボソームモジュールの摂動に伴う経路レベルのコンセンサス遺伝子発現分布の推論を改善するために,ステートファンデーションモデルにより生成された合成摂動応答を用いて,K562細胞の摂動解析を行った。
- 参考スコア（独自算出の注目度）: 0.40105987447353786
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern generative models increasingly produce distribution-valued outputs, such as predicted cellular responses to genetic perturbations in single-cell genomics. While these models provide valuable auxiliary information, they are inherently imperfect, creating a need for statistical methods that leverage their predictions without relying on their correctness. We propose generation-powered inference (GPI), a general framework for improving inference on distribution-valued parameters using auxiliary generative models. Focusing on Wasserstein barycenters and related distributional functionals, we introduce a function-valued bridge representation that transforms inference in the nonlinear Wasserstein space into estimation of a mean function in a Hilbert space, enabling an augmented estimation framework analogous to prediction-powered inference. We develop a family of GPI estimators with optimal information borrowing, establish consistency, asymptotic normality, and simultaneous confidence bands, and derive valid inference for linear functionals and Wasserstein distances. Simulation studies demonstrate efficiency gains over labeled-data-only methods and robust performance under generative model misspecification. We illustrate the proposed framework using a Perturb-seq study of K562 cells, where synthetic perturbation responses generated by the State foundation model are used to improve inference for pathway-level consensus gene expression distributions associated with perturbations of the 40S ribosome module.
- Abstract（参考訳）: 現代の生成モデルは、単細胞ゲノム学における遺伝的摂動に対する予測された細胞応答のような分布評価出力をますます生み出している。
これらのモデルは貴重な補助情報を提供するが、それらは本質的に不完全であり、その正確さに頼らずに予測を活用できる統計手法の必要性を生んでいる。
補助生成モデルを用いて分布値パラメータの推論を改善するための一般的なフレームワークであるジェネレーション・パワード・推論(GPI)を提案する。
本稿では, 非線形ワッサーシュタイン空間における推論をヒルベルト空間における平均関数の推定に変換する関数値ブリッジ表現を導入し, 予測による推論に類似した拡張推定フレームワークを実現する。
我々は、最適情報借用、整合性確立、漸近正規性、同時信頼バンドを備えたGPI推定器群を開発し、線形汎関数とワッサーシュタイン距離の有効推論を導出する。
シミュレーション研究は、ラベル付きデータのみの手法よりも効率が向上し、生成モデルの不特定の下で頑健な性能を示す。
そこでは,40Sリボソームモジュールの摂動に伴う経路レベルのコンセンサス遺伝子発現分布の推論を改善するために,ステートファンデーションモデルにより生成された合成摂動応答を用いて,K562細胞の摂動解析を行った。
関連論文リスト
- Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。
このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。
多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
論文 参考訳（メタデータ） (2026-05-28T13:26:53Z) - Uncalibrated Reasoning: GRPO Induces Overconfidence for Stochastic Outcomes [55.2480439325792]
強化学習(Reinforcement Learning, RL)は、数学のような検証可能な決定論的領域において、言語モデルの精度を向上させるために著しく有効であることが証明されている。
本稿では,現在のRL法が,科学的実験のような検証可能な領域における言語モデルの最適化にも有効かどうかを検討する。
論文 参考訳（メタデータ） (2025-08-15T20:50:53Z) - Locally Adaptive Conformal Inference for Operator Models [5.78532405664684]
演算子モデルに対して関数値の局所適応予測セットを生成するための分散フリーフレームワークであるLocal Sliced Conformal Inference (LSCI)を紹介する。
我々は有限サンプルの有効性を証明し、局所交換性の下でのカバレッジギャップにデータ依存の上限を導出する。
偏りのある予測や分布外雑音に対する空間を実証的に実証する。
論文 参考訳（メタデータ） (2025-07-28T16:37:56Z) - Detecting and Pruning Prominent but Detrimental Neurons in Large Language Models [68.57424628540907]
大規模言語モデル(LLM)は、しばしば特定のデータセットに特化した学習メカニズムを開発する。
本稿では,データセット固有のメカニズムに関連するニューロンの同定と解析により,一般化の促進を目的とした微調整手法を提案する。
本手法では,各ニューロンの高信頼度予測への影響を定量化するため,データセット固有の性能に不均等に寄与するニューロンを同定する。
論文 参考訳（メタデータ） (2025-07-12T08:10:10Z) - Information-theoretic Quantification of High-order Feature Effects in Classification Problems [0.19791587637442676]
特徴重要度(Hi-Fi)法における高次相互作用の情報理論拡張について述べる。
私たちのフレームワークは、機能のコントリビューションをユニークでシナジスティックで冗長なコンポーネントに分解します。
その結果,提案した推定器は理論的および予測された結果を正確に復元することがわかった。
論文 参考訳（メタデータ） (2025-07-06T11:50:30Z) - Partial Transportability for Domain Generalization [56.37032680901525]
本稿では, 部分的同定と輸送可能性の理論に基づいて, 対象分布の関数値の有界化に関する新たな結果を紹介する。
我々の貢献は、輸送可能性問題に対する最初の一般的な評価手法を提供することである。
本稿では,スケーラブルな推論を実現するための勾配に基づく最適化手法を提案する。
論文 参考訳（メタデータ） (2025-03-30T22:06:37Z) - H-AddiVortes: Heteroscedastic (Bayesian) Additive Voronoi Tessellations [0.0]
Heteroscedastic AddiVortesモデルは、応答変数の条件平均と分散を同時にモデル化する。
平均値の総和法と変分に対する積積算法を用いることにより、モデルは複雑で予測因子に依存した関係を捉える柔軟かつ解釈可能な手段を提供する。
論文 参考訳（メタデータ） (2025-03-17T10:41:31Z) - A Likelihood Based Approach to Distribution Regression Using Conditional Deep Generative Models [8.862614615192578]
本研究では,条件付き深部生成モデルの推定のための可能性に基づくアプローチの大規模サンプル特性について検討する。
その結果,条件分布を推定するための最大極大推定器の収束率を導いた。
論文 参考訳（メタデータ） (2024-10-02T20:46:21Z) - A Federated Learning-based Industrial Health Prognostics for
Heterogeneous Edge Devices using Matched Feature Extraction [16.337207503536384]
本稿では,特徴類似性マッチングパラメータアグリゲーションアルゴリズムを用いたFL型健康予後モデルを提案する。
提案手法は, 健康状態推定と生活寿命推定において, 44.5%, 39.3%の精度向上を達成できることを示す。
論文 参考訳（メタデータ） (2023-05-13T07:20:31Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳（メタデータ） (2020-06-26T13:50:19Z)
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。