論文の概要: F-DACE: Fuzzy Disagreement-Aware Causal Evidence Fusion for Abstention-Safe Conversational Retail Decision Support
- arxiv url: http://arxiv.org/abs/2609.18238v1
- Date: Wed, 16 Sep 2026 07:14:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-20 08:55:53.687669
- Title: F-DACE: Fuzzy Disagreement-Aware Causal Evidence Fusion for Abstention-Safe Conversational Retail Decision Support
- Title（参考訳）: F-DACE: ファジィ・ディグリーメント・アウェア・カウンサル・エビデンス・フュージョン・フュージョン(F-DACE:F-DACE:F-DACE:Fzzy Disagreement-Aware Causal Evidence Fusion)
- Abstract要約: F-DACEはファジィメンバシップとして精度、妥当性の重なり、プラセボの難燃安定性、インターバルオーバーラップ、方向性の一致を表す。
LangGraphの会話エージェントは、影響、結果、レバー最適化ツールを公開し、決定論的検証器は因果層状態を保存する。
- 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: Observational decision-support systems often expose one causal estimate as a recommendation even when plausible estimators disagree. The inherent engine of the proposed system is causal machine learning: a conditional-average-treatment-effect estimand identified by backdoor adjustment, estimated by an EconML DML causal forest and DoWhy linear regression, checked by two-way fixed effects, and converted into candidate levers by constrained optimisation. F-DACE is the decision layer on that engine. It represents precision, propensity overlap, placebo-refutation stability, interval overlap, and directional agreement as fuzzy memberships. Hard vetoes force abstention after estimand mismatch, failed diagnostics, informative sign conflict, or weak evidence. In 180 panel simulations spanning six identification conditions, F-DACE made a decision in 67.2% of runs and limited false recommendations to 17.2%; the corresponding rates were 33.3% for the causal forest and 35.6% for backdoor regression, matching deterministic unanimity rather than dominating it. Nearly all (30 of 31) false recommendations occurred under shared unmeasured confounding, which no fusion rule can diagnose when every component shares the omitted variable. The retail application aggregates a public Walmart panel to 6,435 store-weeks across 45 stores. F-DACE abstains for all five markdown indicators: some estimates are imprecise, one refutation fails, and MarkDown5 has a direct sign conflict. A LangGraph conversational agent exposes impact, what-if, and lever-optimization tools while a deterministic verifier preserves causal-layer status. On 24 live questions it achieved 100.0% tool-routing accuracy, 100.0% status fidelity, and 0.983 mean groundedness. On ten adversarial questions it resisted all injected instructions.
- Abstract（参考訳）: 観測的意思決定支援システムは、妥当な推定結果が一致しない場合でも、ひとつの因果推定を推奨として公開することが多い。
EconML DML因果林とDoWhy線形回帰によって推定され、双方向の固定効果によってチェックされ、制約付き最適化により候補レバーに変換される。
F-DACEはそのエンジン上の決定層である。
精度、相対性重なり合い、プラセボの消火安定性、インターバルオーバーラップ、ファジィメンバーシップとしての方向性の一致を表す。
堅い獣医は、推定ミスマッチ、診断の失敗、情報的サインの衝突、または弱い証拠の後に断念を強いる。
6つの識別条件にまたがる180のパネルシミュレーションにおいて、F-DACEは67.2%のランと17.2%の誤った勧告を決定した。
ほぼすべての(31件中30件)の偽の推奨は、共有された未測定の共起の下で発生し、全てのコンポーネントが省略変数を共有すると、融合規則は診断できない。
このリテールアプリケーションは、パブリックWalmartパネルを45店舗で毎週6,435店舗に集約する。
F-DACEは5つのマークダウン指標の全てを棄却する: いくつかの見積もりは不正確であり、1つの反響は失敗し、MarkDown5は直接のサインダウン競合を持つ。
LangGraphの会話エージェントは、影響、結果、レバー最適化ツールを公開し、決定論的検証器は因果層状態を保存する。
24のライブ質問では,100.0%のツールルーティング精度,100.0%のステータス忠実度,0.983の平均基底性を達成した。
反対の10の質問では、すべての注射された指示に抵抗した。
関連論文リスト
- Decision Shifts, Lost Label Functionality, and an Inconclusive Grounding Audit in Correctness-Gated Multi-Teacher Distillation [0.0]
決定の正しさと根拠は異なる目的である。
固定実験において, 高精度多教師蒸留法について検討した。
未ろ過蒸留と比較して, 正度重み付きアームの精度は+0.1660。
論文 参考訳（メタデータ） (2026-09-09T04:39:56Z) - HalluPrism: When Multimodal Uncertainty Should Diagnose, Not Decide [18.50218795316691]
本稿では,視覚的劣化,空白画像の置き換え,接地・関係チェックの後に回答を再実行する行動診断法であるHaluPrismを提案する。
これらのターゲットプローブは、視覚的摂動感度、画像除去された信頼性保持、グラウンドディング/リレーショナル-プローブ不安定性に対するシグネチャを与える。
論文 参考訳（メタデータ） (2026-08-29T11:06:37Z) - DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。
一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
論文 参考訳（メタデータ） (2026-07-31T05:34:02Z) - SPARK: Susceptibility-Guided Profiling and Steering of Latent Reasoning States in Large Language Models [26.849417177804302]
本稿では,モデルが有効な推論状態に入るかどうかを診断するために隠れ状態応答を用いるSPARKを紹介する。
ステアリングは、障害を推論するための診断信号としてだけでなく、テスト時間の介入を目標とする実用的なガイドとしても機能する。
論文 参考訳（メタデータ） (2026-07-11T12:47:27Z) - 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) - Catching One in Five: LLM-as-Judge Blind Spots in Production Multi-Turn Transaction Agents [45.148328075418156]
デプロイされた多ターン食品・飲料注文エージェントについて検討し,実際の品質問題の数を測定した。
私たちの盲点分類は、失敗はランダムではなく構造化されていることを示している。
プロダクションマルチターンエージェントでは、自動判断はリグレッションフロアであり、人間のレビューの代わりにはならない。
論文 参考訳（メタデータ） (2026-06-09T02:11:01Z) - Decision-Aware Memory Cards: Counterfactual-Inspired Context Selection and Compression for Tool-Using LLM Agents [3.964533007623828]
現代の大規模言語モデル(LLM)エージェントは、行動の時点で決定に関連のある証拠を必要とする。
本稿では、事例コンテキストグラフを構築し、候補単位の決定指向ユーティリティを推定し、選択したエビデンスを型付きメモリカードに圧縮するCICLについて述べる。
CICLは、ツール使用エージェントの意思決定クリティカルコンテキストの測定、ランキング、圧縮のための実用的なレイヤを提供する。
論文 参考訳（メタデータ） (2026-06-06T13:02:28Z) - 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) - Adaptive Consensus in LLM Ensembles via Sequential Evidence Accumulation: Automatic Budget Identification and Calibrated Commit Signals [0.0]
DASEは、ベンチマークをまたいで一般化するコミット型ルーティングパーティションを生成する。
インジェクション帯域ではなく、適応的な停止が正確さを駆動する。
インジェクションベースの手法は、逆Uの精度-vs-推論軌道を示す。
論文 参考訳（メタデータ） (2026-05-05T19:24:10Z) - Fact or Facsimile? Evaluating the Factual Robustness of Modern Retrievers [34.31192184496381]
デンスレトリバーとリランカーは、検索強化世代(RAG)パイプラインの中心である。
我々は,これらのコンポーネントがベースとする大規模言語モデル(LLM)をどの程度の事実的能力で継承するか,あるいは失うかを評価する。
全ての埋め込みモデルにおいて、クエリと正しい完了の間のコサイン類似度スコアは、間違ったものよりも著しく高い。
論文 参考訳（メタデータ） (2025-08-28T04:13:51Z) - Tracing LLM Reasoning Processes with Strategic Games: A Framework for Planning, Revision, and Resource-Constrained Decision Making [38.75183725659772]
大規模言語モデル(LLM)は、複雑な推論を必要とするタスクにますます使われている。
モデル動作の理解と信頼性向上には,内部プロセスの測定が不可欠である,と我々は主張する。
計画,修正,資源制約のある意思決定という3つの中核的な側面に沿ってLCMを評価する枠組みを導入する。
論文 参考訳（メタデータ） (2025-06-13T17:59:10Z)
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。