論文の概要: The Anatomy and Boundary of Adaptation under Temporal Tabular Shift
- arxiv url: http://arxiv.org/abs/2609.12136v1
- Date: Thu, 10 Sep 2026 19:08:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.520737
- Title: The Anatomy and Boundary of Adaptation under Temporal Tabular Shift
- Title（参考訳）: 経時的タブラルシフトによる適応の解剖と境界
- Abstract要約: 診断解剖学的属性は、ストリーミングプロトコルの下で4つの繰り返しメカニズムに到達する。
第二に、$L2$プロジェクションウォールは凍結表現が表現できないものを定量化する。
8つの産業用ストリーム上のストリームレベルのプロキシは、条件付きで困難な状況に陥る。
- 参考スコア（独自算出の注目度）: 14.709439807376505
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Prequential adaptation of frozen tabular foundation models under temporal drift, with each label revealed only after prediction, helps some deployments and harms others, yet current practice does not predict which. We study the sources and limits of these gains. A diagnostic anatomy attributes gains to four recurring mechanisms under a streaming protocol that removes three optimistic biases and quantifies a fourth. Within an agnostic total-variation drift class, the target conditional is only partially identified: its identified-set diameter, the \emph{wall}, is irreducible from unlabeled data uniformly in sample size. A second, orthogonal $L^2$ projection wall quantifies what the frozen representation cannot express. Two canonical mechanism priors collapse the first wall. Under stated nuisance-rate conditions, the wall can be estimated from labeled historical windows at a $\sqrt N$ rate above the margin threshold $γ^\star=d_0/(2α_s)$. At $γ=0$, the conditional lower-bound program depends on an open affinity estimate; the positive-margin lower branch also remains open. Semi-synthetic data illustrate the finite-sample mechanism with calibrated exponents. Stream-level proxies on eight industrial streams fall on the difficult side under a stated roughness bound, while the equality case $γ=γ^\star$ remains unresolved.
- Abstract（参考訳）: 時間的ドリフト下での凍結した表層基礎モデルの頻繁な適応は、各ラベルが予測後にのみ明らかにし、いくつかのデプロイメントを支援し、他のものを傷つけるが、現在のプラクティスでは、どれが予測できない。
我々はこれらの利得の源泉と限界について研究する。
診断解剖学的属性は、ストリーミングプロトコルの下で4つの繰り返しメカニズムに到達し、3つの楽観的なバイアスを除去し、第4のバイアスを定量化する。
アグノスティックな全変量ドリフトクラス内では、ターゲット条件は部分的にのみ特定される:その識別セットの直径である \emph{wall} は、サンプルサイズで一様にラベル付けされていないデータから既約である。
第二の直交の$L^2$射影壁は、凍結表現が表現できないものを定量化する。
2つの標準的な機構が最初の壁を崩壊させる。
前述のニュアンスレート条件の下では、壁はラベル付き歴史的窓から、マージン閾値$γ^\star=d_0/(2α_s)$よりも高い$\sqrt N$レートで推定することができる。
γ=0$ の場合、条件付き下界プログラムは開親和性の推定に依存する。
半合成データは、校正指数を持つ有限サンプル機構を示す。
8つの産業ストリーム上のストリームレベルのプロキシは、記載された粗さ境界の下で難しい側に落下するが、等式$γ=γ^\star$は未解決のままである。
関連論文リスト
- Constrained Online Learning with Noisy Constraint Values [55.29259818039367]
一般的な実現可能性の下では、我々のLEDGERアルゴリズムは、期待される損失$O(sqrt T)と期待される予算違反$O(sqrtTlog(eT))を達成します。
スレーター条件、フィードバックチャネル間の独立性、絶対的制約値境界は不要である。
論文 参考訳（メタデータ） (2026-09-07T01:38:41Z) - Bayesian Best-Arm Identification with Abstention: A Polynomial-to-Exponential Phase Transition [51.253617466579335]
本研究では,学習者が端末の推薦を控えることができるベイジアン固定予算のベストアーム識別問題について検討する。
本研究は,非検出誤りの確率を解析し,吸収を伴わない準最適腕を推奨するリスクについて考察する。
論文 参考訳（メタデータ） (2026-06-28T05:07:27Z) - Semi-Supervised Hypothesis Testing by Betting on Predictions [17.34147279018477]
本稿では、ラベルのないデータに対する予測を利用して、シーケンシャルな仮説テストのパワーを高めるテスト・バイ・ベッティング・フレームワークを提案する。
予測による推論を含むベースラインアプローチよりもパワーゲインを実証する。
論文 参考訳（メタデータ） (2026-05-27T14:28:28Z) - How Neural Reward Models Learn Features for Policy Optimization: A Single-Index Analysis [53.063298916923976]
r*(x) = *(langle *, xrangle)$ と $x sim N(0, I_d)$ でガウスの単一インデックスモデルでフィードバックを研究する。
まず、報酬重み付きサンプルから隠れた方向を*$で学習し、次に重み付きリッジ回帰により読み出し層に適合する2段階のニューラル報酬モデルを分析する。
論文 参考訳（メタデータ） (2026-05-23T22:00:38Z) - A Closed-Form Persistence-Landmark Pipeline for Certified Point-Cloud and Graph Classification [0.0]
PLACE(Persistence-Landmark Analytic Classification Engine)は、点雲とグラフを分類するためのクローズドフォームパイプラインである。
3つの量的保証 -- マージンベースの過剰リスク率、クローズドフォーム記述子選択ルール、プレディションごとの証明書 -- は、トレーニングラベルのみから導かれる。
論文 参考訳（メタデータ） (2026-05-04T17:15:01Z) - Tight Convergence Rates for Online Distributed Linear Estimation with Adversarial Measurements [66.94250413799232]
分散パラメータ-サーバ-ワーカー設定における乱数ベクトル$X$の推定について検討する。
主な課題は、敵の計測と非同期である。
その結果, 分散線形推定におけるロバスト性, 識別性, 統計的効率の統一的有限時間評価が得られた。
論文 参考訳（メタデータ） (2026-04-07T11:45:55Z) - The Value of Information in Resource-Constrained Pricing [17.844881458673267]
ハードキャパシティの制約の下では、不正確な予測に作用することで、将来の期間に必要な在庫を不可逆的に減少させることができる。
本研究では,予測の不確実性が線形需要,雑音,有限容量の動的価格決定にどのように伝播するかを検討する。
すべてのアルゴリズムは、キャパシティ境界付近の価格を安定化する境界アトラクション機構に依存している。
論文 参考訳（メタデータ） (2026-03-26T03:06:57Z) - Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning [61.07540493350384]
自己蒸留(英: Self-distillation, SD)とは、教師自身の予測と地道の混合で学生を訓練する過程である。
任意の予測リスクに対して、各正規化レベルにおいて、最適に混合された学生がリッジ教師に改善されることが示される。
本稿では,グリッド探索やサンプル分割,再構成なしに$star$を推定する一貫したワンショットチューニング手法を提案する。
論文 参考訳（メタデータ） (2026-02-19T17:21:15Z) - Minimax Instrumental Variable Regression and $L_2$ Convergence
Guarantees without Identification or Closedness [71.42652863687117]
インストゥルメンタル変数(IV)回帰の非パラメトリック推定について検討した。
固定IV解に収束できる新しいペナル化ミニマックス推定器を提案する。
ラックス条件下での推定値に対して強い$L$誤差率を導出する。
論文 参考訳（メタデータ） (2023-02-10T18:08:49Z) - Limit Distribution Theory for the Smooth 1-Wasserstein Distance with
Applications [18.618590805279187]
スムーズな1-ワッサーシュタイン距離 (SWD) $W_1sigma$ は経験的近似における次元の呪いを軽減する手段として最近提案された。
この研究は、高次元の極限分布結果を含むSWDの詳細な統計的研究を行う。
論文 参考訳（メタデータ） (2021-07-28T17:02:24Z) - Fast Rates for the Regret of Offline Reinforcement Learning [69.23654172273085]
無限水平割引決定プロセス(MDP)における固定行動ポリシーによって生成されたオフラインデータからの強化学習の後悔について検討する。
最適品質関数 $Q*$ に対する任意の推定が与えられたとき、定義するポリシーの後悔は、$Q*$-estimate の点収束率の指数によって与えられる速度で収束することを示す。
論文 参考訳（メタデータ） (2021-01-31T16:17:56Z)
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。