論文の概要: Calibration Count Reuse: Validity Does Not Determine Efficiency

• arxiv url: http://arxiv.org/abs/2609.25138v1
• Date: Mon, 21 Sep 2026 04:58:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.043314
• Title: Calibration Count Reuse: Validity Does Not Determine Efficiency
• Title（参考訳）: キャリブレーション数のリユース:妥当性は効率を決定できない
• Abstract要約: あるカウントを他のクラスから得点したクラスに渡すことは、その適合性を改善するべきではない。 共通分離変換では、普遍交換可能な妥当性はカウントの非減少と等価である。 2つのiid構造は、常にカバー範囲を変更せずに、同じ有効なルールを改善または悪化させる。
• 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: Calibration count reuse raises separate validity and efficiency questions. We give a validity criterion for general count-dependent nonconformity scores: transferring one count from another class to the scored class must not improve its conformity. A leave-self-out full conformal reference proves the criterion without requiring normalization or preservation of same-class score order. For a common separable transformation, universal exchangeable validity is equivalent to being nondecreasing in the count, provided $Kα\geq 1$; normalized multiplicative weights obey the complementary nonincreasing condition. Additive penalties are covered under the stated information restrictions. Efficiency has no parallel ordering: two iid constructions make the same valid rule improve or worsen expected size at unchanged coverage. An expanded 55-rule study finds no resolved advantage from selected live-count rules over uniform weights. Image studies identify undercoverage under iid resampling, including at numerical convergence. Separately, execution of the released Conf-OT pipeline on its DTD and Aircraft benchmark subsets produces near-nominal median coverage under fixed stratified counts. The native results are reported separately from the iid analyses, without treating a benchmark observation as a universal guarantee. The findings separate validity, classifier confidence, numerical convergence, and population-specific efficiency.
• Abstract（参考訳）: 校正回数の再利用は、別の妥当性と効率性の問題を引き起こす。 一般のカウント依存非整合性スコアに対して有効基準を与える: あるカウントを他のクラスからスコアクラスに転送することは、その適合性を改善してはならない。 完全同型基準は、正規化や同級得点順序の保存を必要とせず、基準を立証する。 共通分離可能変換に対して、普遍交換可能な妥当性は、$Kα\geq 1$で与えられるカウントの非増分と同値であり、正規化乗法重みは相補的非増分条件に従う。 追加の罰則は、記載された情報制限の下でカバーされる。 効率性には並列的な順序付けがない: 2つのiid構造は同じ有効なルールを、適用範囲を変更せずに改善または悪化させる。 55ルールを拡大した研究では、均一な重量に対して選択されたライブカウントルールから、解決された利点は見出されていない。 画像研究は、数値収束を含む、イド再サンプリングの下での潜伏を識別する。 第2に、DTDおよびAircraftベンチマークサブセット上でリリースされたConf-OTパイプラインの実行は、固定成層数の下でほぼ最小値のカバレッジを生成する。 ネイティブな結果は、ベンチマーク観察を普遍的な保証として扱うことなく、iid分析から別々に報告される。 その結果, 妥当性, 分類器信頼度, 数値収束率, 集団特異的効率を分離した。

関連論文リスト

• Verdict Instability of OOD Scores under Reference Resampling [4.260015792110957]
  ポストホック・アウト・オブ・ディストリビューション検出器は有限基準セットに収まるので、それらが生成するすべてのスコアは推定値である。 基準セットを再サンプリングし、スコアのブートストラップ標準偏差を記録することにより、検証の不安定性を測定する。 ラベルのない1つの相関から任意のスコアに対するこのサインを予測するルールを与え、間違った符号付きスコアによって駆動される棄権は、テストするデータセット毎にランダムに棄権するよりもひどい結果となる。
  論文  参考訳（メタデータ） (2026-09-01T04:12:15Z)
• Feature Priming in Online Linear Regression: Sparse-Regret Lower Bounds and a Tight Univariate Rate [47.36630149538994]
  高次元のオンライン予測では、最良の予測子はいくつかの機能にのみ依存する可能性があるため、後悔は周囲の次元ではなく、疎らさでスケールすべきである。 WarmuthとAmidはCOLT 2023で、これらの3つのルールのいずれかが競合するオンライン後悔の保証を認めているかどうかを尋ねた。 安価なニュアンスは、リフィットが真の予測座標を過度に重くする原因となる。
  論文  参考訳（メタデータ） (2026-08-18T09:32:03Z)
• ARC: Augmented-Rank Conformalization for Changepoint Localization --- Finite-Sample Validity and Distribution-Robust Efficiency [7.648414136980082]
  ARCは、データに依存するスコアのファミリーであり、インターセグメントのランクのみである。 各ARCスコアは、凍結重量構成ごとに有限サンプルカバレッジを継承する。 ARC信頼集合全体は、厳密に増大する辺変換の下でほぼ確実に不変である。
  論文  参考訳（メタデータ） (2026-08-09T02:44:08Z)
• Consistent Evidence, Robust Recognition: Faithful Attribution Regularization under Geometric Transformations [42.90321348046055]
  画像領域のサブモジュール探索に基づくアノテーションのない属性正規化フレームワークを提案する。 候補部分集合がモデル出力にどのように影響するかを測定することで、探索は、コンパクトでクラス識別的な証拠を探索由来の監督として抽出する。 ImageNet-100の実験結果から,VT-B/16の属性安定性,挿入性,削除性は0.28ポイントの精度低下で大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2026-07-26T20:41:38Z)
• Byzantine Accountability Without Consensus: Strong Eventual Consistency for Non-Associative, Stochastic, Robust Aggregation [0.0]
  ACFAは、署名されたコントリビューションのコンテンツ適応OR-Setと、自己認証等式証明の成長のみのセットを複製する。 プロトタイプ(10ノード、3ビザンティン)は16/16のファルシフィケーションチェックをパスします。
  論文  参考訳（メタデータ） (2026-07-11T13:23:06Z)
• When to Truncate a Feature Ranking: A Residual-Overlap Stopping Rule for Subset Selection [0.0]
  本稿では,教師付き特徴ランクをクラスに依存しないサブセットに変換するための分散フレームワークを開発する。 高次元ゲノムデータセットに対する実証的な比較は、この規則が数万の変数を数ダースに削減できることを示している。
  論文  参考訳（メタデータ） (2026-06-30T14:00:29Z)
• Empirical Bayes Conformal Prediction for Vision and Language Models [20.40115871314124]
  コンフォーマル予測(CP)は、現代のビジョンと言語モデルに対して、分布のないカバレッジを提供する。 標準CP は 1 つの実現法を使い、平均列キャリブレートの変種は点推定に滑らかな多重実現法を用いる。 実験的なベイズ共形予測フレームワークについて述べる。これは$r$-valuesを用いて、スコアの変動性を不確実な非整合性スコアに変換する。
  論文  参考訳（メタデータ） (2026-05-22T03:17:14Z)
• Conditional Coverage Diagnostics for Conformal Prediction [47.93989136542648]
  条件付きカバレッジ推定が分類問題であることを示す。 得られたメトリクスの族をターゲットカバレッジ(ERT)の過剰なリスクと呼びます。 ERTのオープンソースパッケージと、以前の条件付きカバレッジメトリクスをリリースしています。
  論文  参考訳（メタデータ） (2025-12-12T18:47:39Z)
• The Lie of the Average: How Class Incremental Learning Evaluation Deceives You? [48.83567710215299]
  クラスインクリメンタルラーニング(CIL)では、モデルが学習済みのクラスを忘れずに、新しいクラスを継続的に学習する必要がある。 我々は、ロバストなCIL評価プロトコルは、性能分布全体を正確に特徴付け、推定するべきであると論じる。 我々は,タスク間類似度を用いて,極端なクラスシーケンスを適応的に識別し,サンプリングする評価プロトコルEDGEを提案する。
  論文  参考訳（メタデータ） (2025-09-26T17:00:15Z)
• Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores [52.92618442300405]
  有限サンプルにおいて、正確に分布のない条件付きカバレッジを達成することは不可能である。 本稿では,最も重要となる範囲を対象とするコンフォメーション予測アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-17T12:01:56Z)

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。