論文の概要: When Should a World Model Move? Loss-Conditioned State Execution

• arxiv url: http://arxiv.org/abs/2609.15801v1
• Date: Mon, 14 Sep 2026 16:12:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:06.493612
• Title: When Should a World Model Move? Loss-Conditioned State Execution
• Title（参考訳）: 世界模型はいつ動くべきか? 国家執行の喪失が原因か
• Abstract要約: 損失条件付き状態実行は、世界モデルの固定可能な提案を実行するか、現在の状態を保持するかを決定するモデルに依存しない手法である。 我々は、状態移動性を損失低減可能な補正の存在として定式化し、特定の提案の利点と区別する。 パブリック予測とアクション条件のダイナミックスベンチマークの実験では、サポートされたアップデートと、認定とカバレッジの間のトレードオフが示されている。
• 参考スコア（独自算出の注目度）: 4.142275163201261
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce loss-conditioned state execution, a model-agnostic method that decides whether to execute a world model's fixed feasible proposal or retain the current state. Predictive informativeness alone, however, does not establish whether an update will reduce downstream loss. Occurrence ranking can approach perfection while persistence remains the unique absolute-loss Bayes action. Two transition laws can also share occurrence information and conditional variance yet require opposite absolute-loss decisions. We formalize state movability as the existence of a loss-reducing feasible correction and distinguish it from the benefit of a particular proposal. Our method constructs a loss-specific feasible proposal from a predictive distribution and evaluates its groupwise bounded-loss gain over persistence on independent calibration units. The proposal is executed only in groups with a positive simultaneous lower confidence bound. For fixed proposals and groups with bounded unit losses, we prove that every accepted group has lower expected loss than persistence with high probability when calibration units are i.i.d. draws from the target population. Experiments on public forecasting and action-conditioned dynamics benchmarks show supported updates and a trade-off between certification and coverage. On 28,684 held-out M4 Monthly series, the method executes the proposal for 14.0% of series and achieves bounded loss 0.588, compared with 0.599 for persistence and 0.621 for always executing the proposal. The paired 95% bootstrap intervals for both comparisons lie below zero. In constrained forecasting of six unhealthy-inventory types from JD$\mbox{.}$com, a leading e-retailer in China, strong occurrence-ranking signal coexists with a loss-based preference for persistence, illustrating why event predictability and state execution must be evaluated separately.
• Abstract（参考訳）: 損失条件付き状態実行は、世界モデルの固定可能な提案を実行するか、現在の状態を保持するかを決定するモデルに依存しない手法である。 しかし、予測的情報性だけでは、更新によって下流の損失が減少するかどうかを定めていない。 出現ランクは完璧に近づき、永続性は唯一の絶対余剰ベイズ作用である。 2つの遷移法則は発生情報と条件分散を共有できるが、反対の絶対余剰決定を必要とする。 我々は、状態移動性を損失低減可能な補正の存在として定式化し、特定の提案の利点と区別する。 本手法は, 予測分布から損失特異的な実現可能な提案を構築し, 独立キャリブレーションユニット上での持続性よりも, グループ的に有界な損失ゲインを評価する。 この提案は、正の同時低信頼境界を持つグループでのみ実行される。 固定された提案や単位損失が有界な群に対して、全ての許容された群は、キャリブレーション単位がターゲットの集団から引き出される場合、高い確率で持続性よりも低いことを証明する。 パブリック予測とアクション条件のダイナミックスベンチマークの実験では、サポートされたアップデートと、認定とカバレッジの間のトレードオフが示されている。 28,684 月 M4 シリーズでは、14.0% のシリーズの提案を実行し、持続時間 0.599 と常に提案を実行する 0.621 に対して境界損失 0.588 を達成する。 両方の比較のための95%のブートストラップ間隔はゼロ以下である。 JD$\mbox{。 イベント予測可能性と状態実行を別々に評価する必要がある理由を説明している。

関連論文リスト

• Settling: Equilibrium Inference for Non-Convex Validity Sets [0.45687771576879593]
  正方形損失の下では、曖昧な条件分布は、無効な単一点推定を持つことができる。 本研究では,この故障を条件付き平均崩壊として定式化し,提案生成と整合性評価,テスト時間選択を分離した平衡演算子であるSetlingを導入する。
  論文  参考訳（メタデータ） (2026-09-09T03:57:24Z)
• Compute-Bounded Security Assurance - Coverage, Verification, and Response under Resource Constraints [0.0]
  追加の推論計算は、正しく解決されたセキュリティ保証タスクの数を増やすことができる。 我々は、成功、ユニークなカバレッジ、承認された証拠、運用上の保護を分離するリソース制約のあるフレームワークを開発する。 概念的防御アーキテクチャは、証拠分析、判断、運用権限を分離する。
  論文  参考訳（メタデータ） (2026-09-07T13:07:55Z)
• Distribution-First Population Simulation: Collapse, Calibration, and Recall in Non-WEIRD LLM Persona Modeling [0.0]
  合成親和性ツールは、独立大規模言語モデル(LLM)エージェントとして各個人を動作させる。 このパラダイムには基本的な障害モードがあることを示し、分散優先の修正をそれに対して設定する。
  論文  参考訳（メタデータ） (2026-07-17T15:45:57Z)
• YUKTI: From Natural-Language Situations to Robust, Verifiable Decisions An Uncertainty-Typed Proposition IR, Assumption-Robust Pareto Frontiers, and a Regret Certificate [0.0]
  我々は,YUKTIが各ステージを正確に,非線形,あるいは進化的解法にルートすることを示す。 我々は,決定的後悔の正確な要因として境界作成rhoを証明し,監査可能なトレーサビリティを付加し,ベンチマークに忠実なデータ基盤を合成する。 規制上の不特定の下では、堅牢な妥協が平均とテールの後悔を90%以上削減し、単純なポイントプランと比較し、規制された商業上の決定では、合法的な行動空間内で最適化し、ユーロの下落価格を下げる。
  論文  参考訳（メタデータ） (2026-06-22T09:29:13Z)
• Towards Anytime-Valid Statistical Watermarking [63.02116925616554]
  我々は、任意の時間価推論で最適なサンプリングを統一する、最初のe-value-based watermarking frameworkであるAnchored E-Watermarkingを開発した。 本フレームワークはサンプル効率を大幅に向上させ,最先端のベースラインに対して,検出に必要な平均トークン予算を13～15%削減する。
  論文  参考訳（メタデータ） (2026-02-19T18:32:26Z)
• Monitoring State Transitions in Markovian Systems with Sampling Cost [65.4151496405543]
  自然なアプローチは、予想される予測損失がクエリコスト以下で、クエリがなければいつ発生するかを予測する、欲張りのポリシーである。 最適(OPT)戦略は状態依存のしきい値ポリシである。 遷移確率が未知の場合、我々は、グレディポリシーの予測勾配降下(PSGD)に基づく学習変種を提案する。
  論文  参考訳（メタデータ） (2025-10-25T15:07:37Z)
• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Uncertainty-Calibrated Test-Time Model Adaptation without Forgetting [65.21599711087538]
  テスト時間適応(TTA)は、与えられたモデルw.r.t.を任意のテストサンプルに適用することにより、トレーニングデータとテストデータの間の潜在的な分散シフトに取り組むことを目指している。 事前の手法は各テストサンプルに対してバックプロパゲーションを実行するため、多くのアプリケーションに対して許容できない最適化コストがかかる。 本稿では, 有効サンプル選択基準を策定し, 信頼性および非冗長なサンプルを同定する, 効率的なアンチフォッティングテスト時間適応法を提案する。
  論文  参考訳（メタデータ） (2024-03-18T05:49:45Z)
• Equal Opportunity of Coverage in Fair Regression [50.76908018786335]
  我々は、予測の不確実性の下で公正な機械学習(ML)を研究し、信頼性と信頼性のある意思決定を可能にする。 本研究は,(1)類似した結果の異なる集団に対するカバー率が近いこと,(2)人口全体のカバー率が一定水準にあること,の2つの特性を達成することを目的としたカバーの平等機会(EOC)を提案する。
  論文  参考訳（メタデータ） (2023-11-03T21:19:59Z)
• Beyond calibration: estimating the grouping loss of modern neural networks [68.8204255655161]
  適切なスコアリングルール理論は、キャリブレーション損失が与えられた場合、個々のエラーを特徴づける欠片がグループ化損失であることを示している。 視覚およびNLPにおける現代のニューラルネットワークアーキテクチャは、特に分散シフト設定においてグループ化損失を示す。
  論文  参考訳（メタデータ） (2022-10-28T07:04:20Z)
• Counterfactual inference in sequential experiments [17.817769460838665]
  複数の単位に複数の時間点に対する処理を割り当てるシーケンシャルな設計実験のアフタースタディ統計的推測を考察する。 我々のゴールは、最小限のスケールで、カウンターファクト平均に対する推論保証を提供することです。 我々は,いくつかのシミュレーションと,モバイル医療臨床試験HeartStepsのデータを含むケーススタディを通して,我々の理論を解説する。
  論文  参考訳（メタデータ） (2022-02-14T17:24:27Z)
• Selective Regression Under Fairness Criteria [30.672082160544996]
  少数派集団のパフォーマンスは、カバー範囲を減らしながら低下する場合もある。 満足度基準を満たす特徴を構築できれば、そのような望ましくない行動は避けられることを示す。
  論文  参考訳（メタデータ） (2021-10-28T19:05:12Z)

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。