論文の概要: Calibrate What You SHIP: Post-Selection Risk Control for Verifier-Guided Text-to-Image Generation

• arxiv url: http://arxiv.org/abs/2608.21748v1
• Date: Sat, 22 Aug 2026 03:05:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.433561
• Title: Calibrate What You SHIP: Post-Selection Risk Control for Verifier-Guided Text-to-Image Generation
• Title（参考訳）: 検証ガイドによるテキスト・画像生成のための選択後リスク制御
• Abstract要約: 推論ポリシのキャリブレーションとして ShiP, Selection-aware Held-out calibration を導入する。 ShiPは、ホールドアウトプロンプトに対する完全なデプロイポリシーを実行または再生し、独立したターゲットジャッジを使用して実際にリリースするイメージを評価し、リスク上限が所定の予算を満たす最も寛容なしきい値を選択する。 固定的、逐次的、適応的なT2I推論手順による実験は、リスク、カバレッジ、計算の間でポリシーに依存したトレードオフを明らかにしながら、ポリシーレベルのキャリブレーションが低いリスクの動作ポイントを回復することを示している。
• 参考スコア（独自算出の注目度）: 10.591500152032529
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Verifier-guided text-to-image systems increasingly use test-time search to select, refine, or stop among multiple candidates, yet release thresholds are often calibrated on individual images. This creates a candidate-to-policy calibration mismatch: search changes both which prompts receive an output and which candidate is released, so candidate-level risk control need not imply control of released-output risk. We formalize this estimand shift through prompt reweighting and within-prompt selection, and introduce SHIP, Selection-aware Held-out calibration of Inference Policies. SHIP runs or replays the complete deployed policy on held-out prompts, evaluates the image it actually releases using an independent target judge, and selects the most permissive threshold whose risk upper bound satisfies a prescribed budget. For replayable policies with a prespecified threshold grid, simultaneous confidence control provides finite-sample validity. Experiments across fixed, sequential, and adaptive T2I inference procedures show that policy-level calibration recovers lower-risk operating points while exposing policy-dependent tradeoffs among risk, coverage, and compute. On GenEval2 with FLUX at N=16, a pooled-candidate threshold yields released risk 0.310, whereas SHIP reduces it to 0.162. Across 200 cached-stream splits, the fixed-grid certificate has no target crossing. Reliable inference-time scaling therefore requires calibrating the output distribution induced by the complete deployed policy.
• Abstract（参考訳）: 検証対象のテキスト・ツー・イメージシステムでは、複数の候補の中からテストタイム検索を選択し、洗練し、停止する傾向にあるが、リリース閾値は個々の画像で校正されることが多い。 これは、候補から候補までのキャリブレーションのミスマッチを生成する: 検索の変更は、出力を受け取り、どの候補が解放されるかを誘導するので、候補レベルのリスク制御は、解放された出力リスクを暗黙的に制御する必要はない。 我々は、この推定シフトを、即時再重み付けとプロンプト内選択によって定式化し、推論ポリシーの選択を意識した Held-out calibration of Inference Policies を導入する。 ShiPは、ホールドアウトプロンプトに対する完全なデプロイポリシーを実行または再生し、独立したターゲットジャッジを使用して実際にリリースするイメージを評価し、リスク上限が所定の予算を満たす最も寛容なしきい値を選択する。 所定のしきい値グリッドを持つ再生可能なポリシーでは、同時信頼制御は有限サンプルの有効性を提供する。 固定的、逐次的、適応的なT2I推論手順による実験は、リスク、カバレッジ、計算の間でポリシーに依存したトレードオフを明らかにしながら、ポリシーレベルのキャリブレーションが低いリスクの動作ポイントを回復することを示している。 N=16のFLUXを持つGenEval2では、プールされた候補しきい値が0.310となり、ShiPは0.162に減少する。 200以上のキャッシュされたストリームスプリットでは、固定グリッド証明書にはターゲットクロスがない。 したがって、信頼性の高い推論時間スケーリングでは、完全なデプロイポリシーによって誘導される出力分布を校正する必要がある。

関連論文リスト

• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• PromptShift-CRC: Drift-Aware Conformal Risk Control for Foundation Models Under Prompt and Domain Shift [0.0]
  ファンデーションモデルは、受信したプロンプトが素早く変更できる設定で使用されるようになった。 コンフォーマルな予測とコンフォーマルなリスクコントロールは、モデルに依存しないエラーの制御方法を与えるが、キャリブレーションデータが将来的なデータに見えても、最もうまく機能する。 本稿では,プロンプトシフトCRCを開発した。プロンプトシフトとドメインシフトによる基礎モデル出力に対するドリフト対応型コンフォメーションリスク制御手法である。
  論文  参考訳（メタデータ） (2026-06-14T18:45:56Z)
• Risk-Controlled Post-Processing of Decision Policies [38.38357747696667]
  本稿では,リスク管理後処理について検討する。決定論的ベースラインポリシーが与えられた場合,ユーザ特定損失に対するリスク制約の対象となるベースラインとの合意を最大化する新たなポリシーを選択する。 最適政策にはしきい値構造があり、フォールバック政策への切り替えが条件違反リスクを大幅に減少させる状況以外はベースラインに従っていることを示す。 新型コロナウイルスの放射線画像診断タスク、LCMルーティング問題、および合成多クラス決定タスクの実験により、標的のポストプロセッシングは、スコアブラインドランダムミキシングよりもベースラインとのほぼ一致を維持しつつ、リスク予算を満たすか、ほぼ満たすことができることが示された。
  論文  参考訳（メタデータ） (2026-05-07T16:03:24Z)
• DARC: Disagreement-Aware Alignment via Risk-Constrained Decoding [59.16244104797919]
  本稿では,リスク制約付き復号法(DARC)*による分散アライメント(Disagreement-Aware Alignment)を提案する。 DARCは応答選択を、分布的に堅牢で、リスクに敏感な意思決定として捉えている。 アライメントベンチマークの実験では、DARCは競合平均品質を維持しながら、不一致と尾のリスクを低減する。
  論文  参考訳（メタデータ） (2026-03-09T09:21:29Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• SAFER: Risk-Constrained Sample-then-Filter in Large Language Models [38.97678256807034]
  本稿では,無意識サンプリングと共形フィルタリングを組み合わせた2段階リスク制御フレームワークを提案する。 その結果,SAFERはタスク固有の基準やキャリブレーションテストのスプリット比と互換性があることが判明した。
  論文  参考訳（メタデータ） (2025-10-11T12:12:41Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• 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)
• Certified Error Control of Candidate Set Pruning for Two-Stage Relevance Ranking [57.42241521034744]
  本稿では、妥当性ランキングのための候補セットプルーニングの認証エラー制御の概念を提案する。 提案手法は,第1段階から抽出した候補集合を抽出し,第2段階の復位速度を向上する。
  論文  参考訳（メタデータ） (2022-05-19T16:00:13Z)

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。