論文の概要: Local Gains and Fixed-Assignment Set Losses in Shared Set Decoders
- arxiv url: http://arxiv.org/abs/2608.14717v1
- Date: Wed, 12 Aug 2026 03:14:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.047221
- Title: Local Gains and Fixed-Assignment Set Losses in Shared Set Decoders
- Title（参考訳）: 共有セットデコーダにおける局所ゲインと固定アサインメントセット損失
- Abstract要約: クエリ関連削除は、それを含む予測セットの有用性を低減しつつ、編集スロットを改善することができる。
本研究では,2つの関連するResNet-50 DETRファミリーチェックポイントにおいて,チェックポイント毎に710対の画像相関ユニットから選択条件の証拠を記録し,この張力について検討した。
- 参考スコア（独自算出の注目度）: 8.051653068935332
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A query-relation deletion can improve the edited slot while reducing the utility of the prediction set that contains it. We study this tension in two related ResNet-50 DETR-family checkpoints using recorded, selection-conditional evidence from 710 paired image-relation units per checkpoint. The primary comparison subtracts a matched active control, which deletes the same leader source at a different recorded recipient, from the selected target deletion. It is therefore a composite contrast rather than a same-recipient placebo. The target-minus-control contrast is locally positive and fixed-assignment negative in both checkpoints. The opposite-sign pattern occurs within 302/710 DETR units and 460/710 DINO units. After rematching, the corresponding counts are 285/710 and 433/710. Rematching and native selection absorb enough of the mean loss for DETR intervals to cross zero, whereas DINO intervals remain negative, so persistence across readouts differs by checkpoint. A fixed-map comparison between hard deletion and a mass-preserving edit also differs before rematching. That comparison is conditional on the outcome-blind map and does not establish same-dose transport. Local intervention success therefore does not determine the consequence for a jointly decoded set. The supported conclusion is selection-conditional deletion sensitivity whose persistence depends on the readout and intervention operator. We do not identify an intervention-invariant edge mechanism, detector-level degradation, population prevalence, or the value of a training-time regularizer.
- Abstract（参考訳）: クエリ関連削除は、それを含む予測セットの有用性を低減しつつ、編集スロットを改善することができる。
本研究では,2つの関連するResNet-50 DETRファミリーチェックポイントにおいて,チェックポイント毎に710対の画像相関ユニットから選択条件の証拠を記録し,この張力について検討した。
一次比較は一致したアクティブコントロールを抽出し、選択されたターゲット削除から、異なる記録された受信者で同じリーダソースを削除する。
したがって、同じ沈殿物ではなく複合コントラストである。
ターゲット・マイナス制御のコントラストは、両方のチェックポイントにおいて局所的に正と負の固定配置である。
反対符号パターンは302/710 DETRユニットと460/710 DINOユニット内に存在する。
リマッチ後、対応する数は285/710と433/710である。
再マッチングとネイティブセレクションは、DETR間隔の平均損失が0を超えるのに対して、DINO間隔は負であるため、チェックポイントによって読み出しの持続性が異なる。
ハード削除と大量保存編集の固定マップ比較も再マッチング前に異なる。
この比較は結果-盲点マップ上で条件付きであり、同一量輸送を確立しない。
したがって、局所的な介入の成功は、共同で復号された集合の結果を決定するものではない。
支持された結論は、読み出しと介入演算子に依存する選択条件削除感度である。
我々は、介入不変エッジ機構、検出器レベルの劣化、集団の出現率、トレーニング時間正規化器の価値を特定できない。
関連論文リスト
- CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation [14.844162865265673]
そこで我々は,不一致の時間的集合を全クラスにわたって1ピクセルあたりの温度場にマッピングし,セグメント化ができない間に信頼度が変化するようにCARDを提案する。
心臓、前立腺、脳のMRIシフトによって、CARDは各設定において最強のベースラインと比較した場合、49の45のキャリブレーション誤差を低下させる。
論文 参考訳（メタデータ） (2026-08-26T07:23:08Z) - Disagree to Explore, Agree to Commit: Routing-Guided Test-Time Scaling for Software Agents [60.650808962786364]
外部判断や選択時間テストの実行なしに,ネイティブなMoEルータトレースがステアリングと選択をガイドできるかどうかを検討する。
我々の分析は、ルーティングが堅牢な行動的役割シグナルを提供することを示している。トークン・グラニュラ・リードアウトと決定整合比較セットは、ルーティングを効果的に制御する。
オープンウェイトスパースMOEエージェントを用いたSWEベンチ検証を行い,評価を行った。
論文 参考訳（メタデータ） (2026-08-23T03:07:03Z) - A Pre-Specified Construction-Confirmation Test of Operation-Level Causal Transfer Across Finite Isomorphic Symbolic Domains [0.0]
2つの操作間の隠れ状態の違いが、ソース入力毎に別々に推定されているかどうかを問う。
この設計は、入力固有の介入を、不正操作、ノルムマッチングランダム、ノーオップ制御と比較し、個別に分離された確認分割から候補構築を分離する。
論文 参考訳（メタデータ） (2026-08-16T15:37:26Z) - Excitation-Supervised Closed-Loop Self-Calibration and Target Seeking for an Unknown-Pose Range-Bearing Relay [0.0]
本論文は、識別可能性を管理する閉ループ層を提供する。
励起教師付きアルゴリズムは、励起リセットコントローラを監督するために使用される。
崩壊率のスイープは、固定されたスケジュールの崩壊が未知の時間から適切な励振を追い越すとき、監督が重要であることを示している。
論文 参考訳（メタデータ） (2026-08-12T19:00:07Z) - Suppression Sticks, Locality Is Fragile: A Closed-Loop Target-and-Control Audit of Task-Vector Negation in VLA Policies [33.432377306905735]
タスクベクトル算術は、モデルを修正するためのクローズドフォームな方法を提供するが、クローズドループロボット制御において、その振る舞いの局所性は未だ不明である。
マルチタスク・ビジョン・ランゲージ・アクション(VLA: Multitask Vision-Language-action)ポリシーから,タスク・ベクターごとのタスク・ベクター・サブトラクションのターゲット・アンド・コントロール・監査を行う。
論文 参考訳（メタデータ） (2026-08-05T10:59:53Z) - Stage-Replay Divergence Follows the KV Cache: Fixed-Prefix Precision Controls and Bidirectional Cache Transplantation [51.56484100374058]
Stage-replayは中間トークンプレフィックスを再構築し、プレフィックスに最初に到達したデコーダ状態からの継続として、新しいプリフィル継続を処理する。
一致した200itemの実験では、保持されたライブキャッシュと同一の整数トークンのワンショットプリフィルを比較し、両側に正確なレプリカを配置する。
論文 参考訳（メタデータ） (2026-07-30T16:41:40Z) - Visual Credit Audit for Multimodal Spatial Reasoning [70.16915309526443]
Visual Credit Auditは、ベンチマーク画像がテキストのみとブランクコントロールよりもモデルの宣言された決定をもっとサポートするかどうか、モデルが関係性固有の視覚的エビデンスに反応するかどうかの2つの評価を分離する。
ラベルを適用すれば依存性認定正当性(D-CC)が得られる
4つのオープンMLLMと2つの空間ベンチマーク、12.73-26.25%の判定は正確であるが、証明されていない。
論文 参考訳（メタデータ） (2026-07-29T15:55:31Z) - PACE: Polar Axis-Conditioned Estimation for PairUAV Relative Localization [0.0]
PairUAV 相対ローカライゼーションは2つのUAV画像を極航法コマンドにマップする。
ヘッダとレンジは同じペアのポーズコンテキストを共有し、それらを均質な座標として扱い、両方の出力に同じデコーダエビデンスと最適化状態を使用するように強制する。
本稿では,共有されたReloc3rスタイルのペア表現を保持しながら,軸特異的な読み出しインタフェースを割り当てる手法であるPolar Axis-Conditioned Estimationを導入する。
論文 参考訳（メタデータ） (2026-07-19T14:20:13Z) - Calibration Is Not Control: Why LLM-Agent Oversight Needs Intervention [14.376426170653707]
2つのトラジェクトリプレフィックスは、異なるアクションを必要とする間、同じリスク見積を持つことができる。
我々は、このミスマッチをターゲットエラーとして形式化し、介入の利点を特定する。
論文 参考訳（メタデータ） (2026-06-19T13:08:17Z) - Unsupervised Domain Shift Detection with Interpretable Subspace Attribution [48.553902624178995]
ドメインシフトはデータセットの確率分布の微妙な違いである。
高次元特徴空間における局所密度異常を検出するアルゴリズムを用いて,これらのシフトを同定する。
ドメインシフトを小さな機能セットにトレースすることで、シフトを解釈できます。
論文 参考訳（メタデータ） (2026-05-15T12:58:00Z) - CARE What Fails: Contrastive Anchored-REflection for Verifiable Multimodal [84.71254539482369]
検証可能な報酬を伴うグループ相対的強化学習(RLVR)は、しばしば、すでに失敗している最も情報に富むデータを浪費する。
エラーを監督するマルチモーダル推論のための,障害中心のポストトレーニングフレームワークであるCAREを提案する。
CAREは正確さを改善し、スムーズさをトレーニングすると同時に、障害からの学習信号のシェアを明示的に増やします。
論文 参考訳（メタデータ） (2025-12-22T16:34:21Z) - Detection Transformer with Stable Matching [48.963171068785435]
もっとも重要な設計は, 肯定的な事例の分類スコアを監督するために, 位置測定値のみを使用することである。
本原理では,DTRの分類損失とマッチングコストに位置測定値を統合することで,簡易かつ効果的な2つの修正を提案する。
12エポックおよび24エポックのトレーニング設定の下でResNet-50バックボーンを用いてCOCO検出ベンチマークで50.4および51.5APを達成する。
論文 参考訳（メタデータ） (2023-04-10T17:55:37Z)
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。