論文の概要: Evidence-Order Calibration for Selective Visual Reasoning under Progressive Loss of Question-Critical Evidence

• arxiv url: http://arxiv.org/abs/2609.09184v1
• Date: Sat, 29 Aug 2026 20:29:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 16:32:15.644877
• Title: Evidence-Order Calibration for Selective Visual Reasoning under Progressive Loss of Question-Critical Evidence
• Title（参考訳）: 質問批判的エビデンスの進行的損失下における選択的視覚推論のためのエビデンス次校正
• Abstract要約: 本研究では,5段階の質問条件付エビデンス損失軌跡に沿った回答レベルの信頼性について検討する。 我々は、凍結した隠れ状態、シーケンスの信頼性、エントロピーに基づいて、軽量なポストホック信頼性ヘッドを訓練する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Vision-language model (VLM) confidence may change in aggregate when visual evidence is degraded while remaining structurally inconsistent within individual examples. We study answer-level reliability along five-step, question-conditioned evidence-loss trajectories. Using a frozen Qwen2.5-VL-3B-Instruct model, we construct 176 accepted GQA-derived trajectories (880 masking conditions) by progressively masking scene-graph-localized question-critical regions. Native sequence confidence has an evidence monotonicity violation rate (EMVR) of 0.436, and 92.0% of trajectories contain at least one adjacent violation. A matched non-critical-region control shows that full critical masking reduces accuracy by 28.2 percentage points, compared with 0.6 points for equally sized non-critical masks; the paired difference is 27.6 points (95% CI [20.0, 34.7]). We train a lightweight post-hoc reliability head on frozen hidden states, sequence confidence, and entropy. Adding evidence-order supervision to binary cross-entropy (BCE) reduces masking EMVR from 0.330 to 0.303 (paired difference -0.027, 95% CI [-0.044, -0.010]). The same mask-trained objective reduces EMVR from 0.449 to 0.402 on held-out question IDs under unseen local Gaussian blur (difference -0.0468, 95% CI [-0.0739, -0.0199]). AUROC, Brier, and AURC differences between the two learned heads are statistically inconclusive, and native confidence remains stronger for selective-risk ranking. The results separate evidence-order consistency from conventional correctness discrimination rather than establishing generic confidence superiority.
• Abstract（参考訳）: 視覚言語モデル(VLM)の信頼性は、視覚的証拠が劣化した時に集合的に変化しうるが、個々の例では構造的に矛盾しない。 本研究では,5段階の質問条件付エビデンス損失軌跡に沿った回答レベルの信頼性について検討する。 凍結したQwen2.5-VL-3B-インストラクタモデルを用いて、176個のGQA由来の軌道 (880のマスキング条件) をシーングラフの局所化問題クリティカル領域を段階的にマスキングすることで構成する。 ネイティブシーケンスの信頼性は0.436のモノトニック性違反率(EMVR)を持ち、軌道の92.0%には少なくとも1つの隣接する違反が含まれている。 一致した非臨界領域制御により、完全臨界マスキングの精度は28.2ポイント低下し、同じ大きさの非臨界マスキングでは0.6ポイント、対差は27.6ポイント(95% CI [20.0, 34.7])となる。 我々は、凍結した隠れ状態、シーケンスの信頼性、エントロピーに基づいて、軽量なポストホック信頼性ヘッドを訓練する。 バイナリクロスエントロピー(BCE)にエビデンス順序の監督を加えることで、EMVRのマスクは0.330から0.0303(ペア差-0.027、95%CI [-0.044、-0.010])に減少する。 同じマスクで訓練された目的により、EMVRは、目に見えない局所ガウスのぼやけ(差-0.0468, 95% CI [-0.0739, -0.0199])の下で、ホールドアウトされた質問IDにおいて0.449から0.402に減少する。 AUROC, Brier, AURCの2つの学習ヘッドの違いは統計的に決定的ではなく、選択リスクランキングではネイティブな信頼性が強くなっています。 その結果、一般的な信頼性優位性を確立するのではなく、従来の正当性差別とエビデンス順序整合性を区別した。

関連論文リスト

• Distribution-free false-alarm calibration and chance-corrected spatial evaluation for industrial anomaly detection [2.5273986395975476]
  我々は、分布自由な上限値とペア化された最小交差空間テストを組み合わせる。 我々は,3つのISP-ADモダリティと3つの固定データ分割から120個の点欠陥画像上の3つの検出器を評価する。
  論文  参考訳（メタデータ） (2026-08-15T07:21:05Z)
• Small Vision-Language Models Know When They Are Wrong But Cannot Say So: A Two-Model Study of Stated versus Internal Confidence Under Realistic Image Degradation [0.0]
  視覚言語モデル(VLM)は、入力画像が圧縮、カメラの揺らぎ、照明不足によって劣化する消費者ハードウェアにますます多くデプロイされている。 我々は,3つの重度レベルで6つのリアルな写真劣化に対して,Qwen2-VL-2B-インストラクトとSmolVLM-インストラクトの2つの小型オープンウェイトVLMを評価した。
  論文  参考訳（メタデータ） (2026-07-24T07:00:32Z)
• From CVE to CWE: Syscall-Based HIDS Generalisation [41.99844472131922]
  運用環境では、ディフェンダーは既知の脆弱性の新たなエクスプロイトを認識する必要がある。 我々は,CWE(Common Weaknession)クラスを共有するCVEの正常な動作に基づいて訓練された一級異常検知器が,同一クラス内の別の未知のCVEに一般化するか否かを実証的に検証した。
  論文  参考訳（メタデータ） (2026-06-21T16:34:39Z)
• LLM Doesn't Know What It Doesn't Know: Detecting Epistemic Blind Spots via Cross-Model Attribution Divergence on Clinical Tabular Data [2.1443570696048906]
  大規模言語モデル(LLM)は、構造化された臨床データにますます適用される。 Qwen 2.5 7B と XGBoost を比較する。
  論文  参考訳（メタデータ） (2026-06-17T18:49:44Z)
• Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
  大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。 個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。 構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
  論文  参考訳（メタデータ） (2026-05-15T17:08:27Z)
• Segment Anything with Robust Uncertainty-Accuracy Correlation [38.06380944319879]
  本稿では,ロバスト不確かさ-精度相関(RUAC)を用いたSegment Anythingを提案する。 RUACは軽量な不確実性ヘッドを追加し、テクスチャと幾何学を共同で乱すような、協調的なスタイル決定攻撃でそれを訓練する。 23個のゼロショット領域にまたがって、RUACはセグメンテーションの品質を改善し、より強い不確実性と精度の相関を持つより忠実な不確実性をもたらす。
  論文  参考訳（メタデータ） (2026-05-11T14:04:02Z)
• Distilling Self-Consistency into Verbal Confidence: A Pre-Registered Negative Result and Post-Hoc Rescue on Gemma 3 4B [0.0]
  インストラクトチューニングされた小さなLLMは、最小の誘引の下で変性した言語的信頼を生み出す。 自信条件付き教師付き微調整と自己整合性に基づく目標が内部情報と音声読取のギャップを埋めるかどうかを検証した。
  論文  参考訳（メタデータ） (2026-04-27T05:53:26Z)
• Severe Domain Shift in Skeleton-Based Action Recognition:A Study of Uncertainty Failure in Real-World Gym Environments [0.0]
  本稿では,新しいGym2DデータセットとUCF101データセットを用いて,厳しい領域シフトの体系的研究を行う。 我々の研究は、標準的なデプロイメント仮定に挑戦し、セマンティックスケルトン認識と幾何学的スケルトン認識の両方のデプロイの安全性を原則として分析する。
  論文  参考訳（メタデータ） (2026-03-16T17:37:17Z)
• From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
  異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。 商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。 低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
  論文  参考訳（メタデータ） (2026-03-02T13:02:13Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
  隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。 ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
  論文  参考訳（メタデータ） (2025-10-02T02:14:33Z)

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。