論文の概要: Securing quantum error correction against misleading advice from AI agents

• arxiv url: http://arxiv.org/abs/2609.19090v1
• Date: Wed, 16 Sep 2026 17:26:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.918705
• Title: Securing quantum error correction against misleading advice from AI agents
• Title（参考訳）: AIエージェントからの誤解を招くアドバイスに対する量子誤り訂正の確保
• Abstract要約: 我々は、回復選択を妨げるパッシブシンドローム記録の曖昧さを同定する。 キャリブレーション測定が不確実性およびドリフト下でのリカバリ更新にどのように役立つかを示す。
• 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: Can an attacker turn influence over an artificial intelligence (AI) adviser into a harmful quantum error-correction update? We identify an ambiguity in passive syndrome records that obstructs recovery selection, then show how additional calibration measurements support certified recovery updates under uncertainty and drift. In an odd-distance square toric code with error-free preparation, syndrome measurements, and recovery operations, opposite coherent $X$ rotations produce identical passive syndrome-history distributions. Yet a fixed phase correction can help at one sign and harm at the other. A terminal logical measurement on known encoded calibration states supplies the missing sign information. A separate evaluator accepts an update only when calibration uncertainty and a justified drift bound certify improvement over the current recovery, without assuming that the adviser recommends correctly. In simulated advice attacks, calibration-confidence checks reject harmful proposals while retaining beneficial updates under honest advice. We derive sufficient limits on calibration age that require improvement through deployment. In matched simulations, a validated channel-specific bound retains more beneficial updates than the general bound after accounting for evaluation time, while preventing the tested harmful activations under the stated drift assumption. A separate surface-code experiment includes stochastic circuit faults and noise changing during acquisition. Deterministic controllers achieve at least as many beneficial updates with the same observations. Violating the drift assumption permits harmful acceptance in the toric experiment. The results identify information required for recovery selection, establish conditional guarantees against harmful updates, and quantify the recovery improvements forgone through conservative acceptance.
• Abstract（参考訳）: 攻撃者は人工知能(AI)アドバイザーに対する影響力を、有害な量子エラー訂正更新に変えることができるのか? 我々は、回復選択を妨げるパッシブシンドローム記録の曖昧さを識別し、不確実性およびドリフトの下で、追加のキャリブレーション測定が確認されたリカバリ更新をサポートするかを示す。 誤差のない準備、シンドローム測定、回復操作を備えた奇数距離の正方形トーリック符号では、逆コヒーレントな$X$回転が同一の受動的シンドローム-履歴分布を生成する。 しかし、固定位相補正は1つのサインで役立ち、もう1つのサインで危害を与える。 既知の符号化校正状態の終端論理測定は、欠落した符号情報を供給する。 個別評価器は、キャリブレーションの不確実性と正当なドリフトバウンドが現在のリカバリよりも改善を確認する場合にのみ更新を受け付けるが、アドバイザーが正しく推奨することを前提としない。 シミュレーションされたアドバイスアタックでは、キャリブレーション信頼度チェックは有害な提案を拒否し、誠実なアドバイスの下で有益な更新を保持します。 私たちは、展開を通じて改善を必要とするキャリブレーション年齢に十分な制限を導出します。 一致したシミュレーションでは、検証されたチャネル固有のバウンドは、評価時間を考慮した後の一般バウンドよりも有益な更新を保ちながら、記述されたドリフト仮定の下でテストされた有害なアクティベーションを防止する。 別個のサーフェスコード実験は、確率的回路欠陥と取得時のノイズ変化を含む。 決定論的コントローラは同じ観測で少なくとも多くの有益な更新を達成する。 ドリフト仮定に違反することは、トーリック実験において有害な受け入れを許す。 その結果、回復選択に必要な情報を特定し、有害な更新に対する条件付き保証を確立し、保守的受け入れによる回復改善を定量化する。

関連論文リスト

• Temporal Graph Prototype-conditioned Conformal Prediction for Fraud Detection [15.872326009493884]
  本稿では,時間グラフ上でのエッジレベルの不正検出のための共形予測フレームワークであるProtoCPを提案する。 ProtoCPは不正関連部分グラフのコンテキストに校正を集中させることで校正効率を向上させる。 ProtoCPは、最先端のベースラインよりも一貫して小さな予測セットでターゲットカバレッジを達成する。
  論文  参考訳（メタデータ） (2026-08-16T14:44:16Z)
• Uncertainty Is Not Enough: Value-of-Information Routing for Mixtures of LoRA Experts [0.0]
  最近の動的ルータは、ルータや予測が不確実である場合に、より多くの専門家を活性化する。 ルーティングを認証情報割当として定式化する。 我々は,証明の有効性,認定ゲインの減少による最適グリーディーアロケーション,および値推定誤差による後悔のアロケーションを同時に証明する。
  論文  参考訳（メタデータ） (2026-08-03T17:24:27Z)
• SVR: Self-Verifying Refinement via Joint Verdict-Confidence Reinforcement Learning for Adaptive Test-Time Compute [62.3458279176813]
  自己検証リファインメント(Self-Verifying Refinement)は、オラクルフリーのマルチターン強化学習フレームワークである。 自己検証を計算制御ポリシとして使用することを学ぶ。 マクロ平均精度は0.563で、平均で2.99回しか推測できない。
  論文  参考訳（メタデータ） (2026-07-30T16:20:58Z)
• PromptShift-CRC: Drift-Aware Conformal Risk Control for Foundation Models Under Prompt and Domain Shift [0.0]
  ファンデーションモデルは、受信したプロンプトが素早く変更できる設定で使用されるようになった。 コンフォーマルな予測とコンフォーマルなリスクコントロールは、モデルに依存しないエラーの制御方法を与えるが、キャリブレーションデータが将来的なデータに見えても、最もうまく機能する。 本稿では,プロンプトシフトCRCを開発した。プロンプトシフトとドメインシフトによる基礎モデル出力に対するドリフト対応型コンフォメーションリスク制御手法である。
  論文  参考訳（メタデータ） (2026-06-14T18:45:56Z)
• Anytime-Valid Confirmation of Label-Shift Corrections [0.6599344783327052]
  小規模の科学的展開では、ラベル付けされた目標結果が、信頼できるシフト推定には不足している可能性がある。 本研究では,ラベルシフト補正予測とソース予測との観測確率比が条件付きe値であることを示す。
  論文  参考訳（メタデータ） (2026-06-12T02:03:21Z)
• Trusted Uncertainty in Large Language Models: A Unified Framework for Confidence Calibration and Risk-Controlled Refusal [31.458406135473805]
  異種不確実性証拠を正当性の校正確率に変換する統一フレームワークUniCRを提案する。 UniCRは、温度スケーリングと適切なスコアリングを備えた軽量なキャリブレーションヘッドを学習する。 ショートフォームQA、実行テスト付きコード生成、検索強化ロングフォームQAの実験は、キャリブレーションメトリクスの一貫性のある改善を示している。
  論文  参考訳（メタデータ） (2025-09-01T13:14:58Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Towards Certification of Uncertainty Calibration under Adversarial Attacks [96.48317453951418]
  攻撃はキャリブレーションを著しく損なう可能性を示し, 対向的摂動下でのキャリブレーションにおける最悪のキャリブレーション境界として認定キャリブレーションを提案する。 我々は,新しいキャリブレーション攻撃を提案し,テクスタディバーショナルキャリブレーショントレーニングによりモデルキャリブレーションを改善する方法を示す。
  論文  参考訳（メタデータ） (2024-05-22T18:52:09Z)
• Distribution-free uncertainty quantification for classification under label shift [105.27463615756733]
  2つの経路による分類問題に対する不確実性定量化(UQ)に焦点を当てる。 まず、ラベルシフトはカバレッジとキャリブレーションの低下を示すことでuqを損なうと論じる。 これらの手法を, 理論上, 分散性のない枠組みで検討し, その優れた実用性を示す。
  論文  参考訳（メタデータ） (2021-03-04T20:51:03Z)

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。