論文の概要: TRIPROBE: Probing Task Separability Beyond Classification for XAI

• arxiv url: http://arxiv.org/abs/2609.18525v1
• Date: Wed, 16 Sep 2026 11:53:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.778892
• Title: TRIPROBE: Probing Task Separability Beyond Classification for XAI
• Title（参考訳）: TRIPROBE: XAIの分類を超えたタスク分離性
• Abstract要約: TriProbeは、タスク分離性の説明可能な診断のためのフレームワークである。 マルチタスク問題をバイナリサブタスクに分解し、3つの相補的なプローブを適用する。 最大フィッシャーの判別比を原則的分離性指標として、TriProbeはボトルネックと影響を受けるタスクペアを特定します。
• 参考スコア（独自算出の注目度）: 1.6963596661873952
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern evaluation of learning pipelines often reduces to downstream accuracy, leaving open the question of why tasks succeed or fail. TriProbe addresses this gap with a multi-level probing framework for explainable diagnosis of task separability. Rather than treating models as black boxes, TriProbe traces how separability evolves across inputs, learned features, and final classifiers. It decomposes multi-task problems into binary subtasks and applies three complementary probes: a Foundational Probe on input spaces, a Latent Probe on feature representations, and a Final Probe on classifier outputs. Using Maximum Fisher's Discriminant Ratio as a principled separability metric, TriProbe identifies bottlenecks and affected task pairs. Experiments on the Roshambo sEMG benchmark show how TriProbe reveals hidden breakdowns, guiding data collection, validation, and architecture design.
• Abstract（参考訳）: 学習パイプラインの現代的な評価は、しばしば下流の精度に還元され、なぜタスクが成功するか、失敗するかという疑問が残る。 TriProbeはこのギャップを、タスク分離性の説明可能な診断のためのマルチレベル探索フレームワークで解決する。 TriProbeは、モデルをブラックボックスとして扱うのではなく、インプット、学習機能、最終分類器間で分離性がどのように進化するかをトレースする。 マルチタスク問題をバイナリサブタスクに分解し、入力空間の基底プローブ、特徴表現の潜在プローブ、分類器出力のファイナルプローブの3つの補完プローブを適用する。 最大フィッシャーの判別比を原則的分離性指標として、TriProbeはボトルネックと影響を受けるタスクペアを特定します。 Roshambo sEMGベンチマークの実験は、TriProbeが隠れたブレークスルーを明らかにし、データ収集、バリデーション、アーキテクチャ設計を導く方法を示している。

関連論文リスト

• Fine-grained Verification via Diagnostic Reasoning Supervision for Aspect Sentiment Triplet Extraction [14.189537313152954]
  Aspect Sentiment Triplet extract (ASTE) は、アスペクト項、意見項、感情極性を構造化三重項として識別することを目的としている。 従来の研究は主にエンドツーエンドの抽出に重点を置いていたが、抽出した三重項のポストホック検証は比較的過小評価されている。 本稿では,診断推論の監督を伴うきめ細かい検証のためのフレームワークであるFiVeDを提案する。
  論文  参考訳（メタデータ） (2026-05-29T15:40:58Z)
• PixDLM: A Dual-Path Multimodal Language Model for UAV Reasoning Segmentation [71.53011159355401]
  推論セグメンテーションは地上のシーンからリモートセンシング画像へと拡張されているが、UAVデータは異なる課題を提起している。 UAV推論タスクを定義し,そのセマンティック要件を3次元(空間,属性,シーンレベルの推論)に整理する。 DRSegはUAV推論セグメンテーションのための大規模ベンチマークであり、Chain-of-Thought QA監督と組み合わせた10kの高解像度空中画像を含む。
  論文  参考訳（メタデータ） (2026-04-17T03:48:56Z)
• Task-Guided Multi-Annotation Triplet Learning for Remote Sensing Representations [2.5700571547896103]
  以前の三重項損失法は、様々なアノテーション間の監督のバランスをとるために静的重みに頼っていた。 提案したタスク誘導三重項損失は,三重項を相互情報化基準で選択することで,この依存を除去する。 実験により、タスク対応三重項選択は下流タスクに対してより効果的な共有表現を生成することが示された。
  論文  参考訳（メタデータ） (2026-04-04T19:30:38Z)
• Tri-Reader: An Open-Access, Multi-Stage AI Pipeline for First-Pass Lung Nodule Annotation in Screening CT [1.0408458647051342]
  Tri-Readerは、肺のセグメンテーション、結節の検出、悪性度分類を統合された三段階ワークフローに統合する、包括的で無償のパイプラインである。 パイプラインは、アノテータの候補負荷を低減しつつ、感度を優先するように設計されている。
  論文  参考訳（メタデータ） (2026-01-27T09:05:45Z)
• Fractured Chain-of-Thought Reasoning [61.647243580650446]
  完全CoTと解のみのサンプリングを補間する統合推論時間戦略であるフラクチャードサンプリングを導入する。 フラクチャードサンプリングは、Pass@kとトークンの予算に対して、急激なログ線形スケーリングゲインをもたらすため、優れた精度とコストのトレードオフを一貫して達成できることを示す。
  論文  参考訳（メタデータ） (2025-05-19T11:30:41Z)
• Multi-threshold Deep Metric Learning for Facial Expression Recognition [60.26967776920412]
  本稿では,難易度検証を回避する多閾値深度学習手法を提案する。 その結果,三重項損失のそれぞれの閾値は本質的にクラス間変動の特異な分布を決定することがわかった。 埋め込み層はスライスで構成されており、より情報的で差別的な特徴である。
  論文  参考訳（メタデータ） (2024-06-24T08:27:31Z)
• Tripod: Three Complementary Inductive Biases for Disentangled Representation Learning [52.70210390424605]
  本研究では,文献から選択した3つの帰納バイアスを持つニューラルネットワークオートエンコーダを提案する。 しかし、実際には、これらの帰納バイアスをインスタンス化する既存の技術を組み合わせることは、大きな利益をもたらすことに失敗する。 学習問題を単純化する3つの手法に適応し、不変性を安定化する鍵正則化項とクォーシュ縮退インセンティブを提案する。 結果のモデルであるTripodは、4つのイメージアンタングルメントベンチマークのスイートで最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-04-16T04:52:41Z)
• Temporal Action Localization with Enhanced Instant Discriminability [66.76095239972094]
  時間的行動検出(TAD)は、すべての行動境界とその対応するカテゴリを、トリミングされていないビデオで検出することを目的としている。 本稿では,既存の手法による動作境界の不正確な予測を解決するために,TriDetという一段階のフレームワークを提案する。 実験結果から,複数のTADデータセット上でのTriDetの堅牢性と最先端性能が示された。
  論文  参考訳（メタデータ） (2023-09-11T16:17:50Z)
• PASTE: A Tagging-Free Decoding Framework Using Pointer Networks for Aspect Sentiment Triplet Extraction [12.921737393688245]
  Aspect Sentiment Triplet extract (ASTE)は、意見の対象または側面、関連する感情、およびそれに対応する意見用語/スパンからなる意見三つ子を抽出する。 我々は、ポイントネットワークベースのデコードフレームワークでエンコーダ・デコーダアーキテクチャを適用し、各ステップで全意見の三重項を生成する。
  論文  参考訳（メタデータ） (2021-10-10T13:39:39Z)

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。