論文の概要: Cross-View Correspondence Is a Measurement Intervention: Two-Sided Validation for Agent Evaluation and Credit Assignment
- arxiv url: http://arxiv.org/abs/2608.17713v1
- Date: Tue, 18 Aug 2026 12:39:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.335005
- Title: Cross-View Correspondence Is a Measurement Intervention: Two-Sided Validation for Agent Evaluation and Credit Assignment
- Title（参考訳）: クロスビュー対応は測定介入である:エージェント評価とクレジット割り当てのための2段階検証
- Abstract要約: クロスビュー対応は、エージェントの評価やクレジットの割り当てがポイントの結論を支持する前に、宣言、検証、不確実性に伝播されなければならない。
本研究では,2側によるニュアンス除去と応答保存の検証,下流の結論のオールオプティマ同定,有効性確立後の不確実性伝播の3つの要素による妥当性理論と監査を開発する。
- 参考スコア（独自算出の注目度）: 3.2479665905442645
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent evaluations and trace-based learning often compare outputs across transformed views through a post-response correspondence treated as neutral preprocessing. We show that this correspondence is a measurement intervention: omitting it can manufacture sensitivity, an over-aggressive map can manufacture invariance, and multiple optimal correspondences can leave mechanism labels and signed learning credit unidentified. We develop a validity theory and audit with three components: two-sided validation of nuisance removal and response preservation, all-optima identification of downstream conclusions, and uncertainty propagation after validity is established. We characterize the linear feasibility boundary for response-preserving nuisance removal, compute sharp ranges over exact-optimum correspondence sets, and give a distribution-free certificate that retains a credit coordinate only when all exact optima agree on its nonzero sign. Across public code and SQL pipelines, two deterministic optimal tracebacks disagree on temporal localization for 55.9% of 1,586 nonzero trajectory pairs; two frozen 800-rollout tool-use audits, including a task-and-seed-disjoint replication, expose exact-optimum reversals of intended turn-level credit, although a clean public quick-start subset shows none. A pre-registered transport gate failed on natural responses; frozen corrected and held-out controls then show that a map calibrated only on benign examples erases every retained harmful response, while two-sided validation selects response-preserving alternatives. Cross-view correspondence must therefore be declared, validated, and propagated into uncertainty before agent evaluation or credit assignment supports a point conclusion.
- Abstract（参考訳）: エージェント評価とトレースベースの学習は、中立前処理として扱われた応答後対応を通して、変換されたビュー間で出力を比較することが多い。
我々は,この対応が測定介入であることを示す: 感度を生成できるのを省略し,過度に攻撃的な写像を生成でき,複数の最適な対応は機構ラベルと署名された学習クレジットを未同定に残すことができる。
本研究では,2側によるニュアンス除去と応答保存の検証,下流の結論のオールオプティマ同定,有効性確立後の不確実性伝播の3つの要素による妥当性理論と監査を開発する。
我々は、応答保存ニュアンス除去のための線形実現可能性境界を特徴付けるとともに、正確な最適対応集合よりもシャープレンジを計算し、その非ゼロ符号に全ての正確なオプティマが一致する場合にのみ、クレジット座標を保持する分布自由証明書を与える。
公開コードとSQLパイプライン全体で、2つの決定論的最適トレースバックは、時間的ローカライゼーションについて、1,586の非ゼロ軌道ペアのうち55.9%で一致していない。
保存済みのトランスポートゲートは自然の応答で失敗し、凍結された修正と保持されたコントロールにより、良性のある例のみに校正されたマップが有害な応答を全て消去し、一方、双方向のバリデーションは応答を保存する代替手段を選択する。
したがって、クロスビュー対応は、エージェントの評価やクレジットの割り当てがポイントの結論を支持する前に宣言され、検証され、不確実性に伝播されなければならない。
関連論文リスト
- From Experiments to Decisions: Reusing Evidence in Autonomous Coding Research [0.0]
我々は400タスクのNeuroGolfキャンペーンでエビデンスをどのように再利用するかを再構築する。
数値的な反例は、オーバーブロード排除を公開する。
他のエピソードでは、失敗、不完全、そして修正されたプログラムが次に行うことを正当化する。
論文 参考訳（メタデータ） (2026-09-10T03:48:31Z) - Tracing Provenance and Detecting Tampering with Complementary LLM Watermarks [68.64050157343334]
既存の透かしは編集の際は残されているが、このような堅牢性は、敵が帰属を維持しながら重要な内容を変更することを可能にする。
実証と改ざんの証拠を共同で提供する革新的な透かしを導入する。
信号は同じメカニズムを共有するが、独立キーと正規化テキスト上の異なるシードウィンドウを使用するため、一方は編集に耐性があり、もう一方は読み取り可能な変更に敏感である。
論文 参考訳（メタデータ） (2026-08-13T01:55:16Z) - Local verification cannot detect non-transportability: a cohomological theory of context preservation in agentic reasoning [0.0]
エージェントAIシステムは、生物学的、臨床的、財務的な文脈で定期的に結論を伝達する。
局所的検証の新たなセーフガードは構造的に不完全であることを示す。
不均一な精度で歪みを定量化し、正確性を復元する精密な白紙形状を提供する。
論文 参考訳（メタデータ） (2026-08-04T21:09:50Z) - What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。
複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
論文 参考訳（メタデータ） (2026-06-19T06:04:17Z) - Trust but Verify: Prover-Verifier Deliberation for Selective LLM Prediction [4.273094752480624]
本稿では,対話的証明理論に基づく推論時間プロトコルであるPVDを導入する。
PVDは回答と構造化された信頼判定の両方を生成し、システムは不確実なケースを棄却しながら高信頼の回答を報告できる。
論文 参考訳（メタデータ） (2026-05-24T15:23:27Z) - Counterfactual Likelihood Tests for Indirect Influence in Private Reasoning Channels [51.56484100374058]
本稿では,私的推論チャネル間の影響を測定するための実証実験について述べる。
この方法は、上流のプライベートブロックを長さマッチングドナーブロックに置き換え、公開トークンシーケンスと下流ターゲットを固定し、下流ターゲットの負のログに似たシフトを測定する。
論文 参考訳（メタデータ） (2026-05-18T20:27:43Z) - Reference-Free Rating of LLM Responses via Latent Information [53.463883683503106]
本研究では,判断モデルに対して,自由テキスト応答にQuattスケールのスコアを割り当てるよう依頼する一般的な実践について検討する。
次に、内部モデル信号からスカラー評価を導出する潜在裁判官を提案し、評価する。
ペアとシングルレーティングのベンチマークの幅広いスイートの中で、潜在メソッドは標準のプロンプトにマッチするか、超えている。
論文 参考訳（メタデータ） (2025-09-29T12:15:52Z) - TransClean: Finding False Positives in Multi-Source Entity Matching under Real-World Conditions via Transitive Consistency [43.06143768014157]
本研究では,実環境下でのエンティティマッチングアルゴリズムの偽陽性予測手法であるTransCleanを提案する。
TransCleanは、効率的で堅牢で高速な方法で複数のデータソースを操作するように設計されている。
実験の結果,TransCleanはマルチソース環境でのエンティティマッチングにおいて,平均+24.42F1スコアの改善を誘導することがわかった。
論文 参考訳（メタデータ） (2025-06-04T14:33:41Z) - Latent Veracity Inference for Identifying Errors in Stepwise Reasoning [78.29317733206643]
本稿では、精度割当てに対する離散探索アルゴリズムであるVeracity Search(VS)を紹介する。
その他の方法では、後続の精度値よりも後続の分布において難解な推論を行う。
VSを一般化し、新しいコンテキストで正確なゼロショットの精度推論を可能にする。
論文 参考訳（メタデータ） (2025-05-17T04:16:36Z) - Mitigating LLM Hallucinations via Conformal Abstention [70.83870602967625]
我々は,大言語モデルが一般ドメインでの応答をいつ無視すべきかを決定するための,原則化された手順を開発する。
我々は、幻覚率(エラー率)の厳密な理論的保証の恩恵を受けるため、共形予測手法を活用して、禁忌手順を開発する。
実験によって得られた共形禁忌法は, 種々の閉書, オープンドメイン生成質問応答データセットに, 幻覚率を確実に拘束する。
論文 参考訳（メタデータ） (2024-04-04T11:32:03Z) - Box Re-Ranking: Unsupervised False Positive Suppression for Domain
Adaptive Pedestrian Detection [70.25977409196449]
偽陽性は、ドメイン適応型歩行者検出において、ドメインシフトによって引き起こされる最も深刻な問題の1つである。
我々は偽陽性抑圧問題をエレガントにボックス再ランク問題に変換する。
正の正の差分検出を継続することを目的として,ボックス数アライメントを提案する。
論文 参考訳（メタデータ） (2021-02-01T02:31:11Z)
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。