論文の概要: Risk-Aware Online Conformal State Probing

• arxiv url: http://arxiv.org/abs/2609.25889v1
• Date: Tue, 22 Sep 2026 08:55:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.303821
• Title: Risk-Aware Online Conformal State Probing
• Title（参考訳）: リスクを意識したオンラインコンフォーマル状態調査
• Abstract要約: オンライン整合状態探索(オンライン整合状態探索、OCSP)は、分布仮定に頼ることなく最悪のケースの信頼性レベルを認定する行動・探索政策である。 OCSPは、リトレーニングや微調整を必要とせずに、既存のバリューベースのコントロールポリシーに適用することができる。
• 参考スコア（独自算出の注目度）: 65.02200443982082
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-based autonomous agents, typically hosted at data centers, must acquire state information from robots or edge devices in order to issue informed control decisions. Managing uncertainty about the state is particularly consequential in safety-critical settings, in which average-case guarantees are insufficient. In this context, we study a sequential decision maker process that jointly decides which actions to take and when to probe given access to an arbitrary state prediction model. We propose online conformal state probing (OCSP), an action and probing policy that certifies worst-case reliability levels without relying on distributional assumptions. OCSP is designed to provably control the missed query error (MQE), i.e., the fraction of instances where probing would have been beneficial, while minimizing the probing rate. OCSP can be applied to existing pre-trained value-based control policies without requiring retraining or fine-tuning. We validate OCSP through numerical simulations to verify theoretical guarantees and to assess performance trade-offs as a function of the calibration of the state predictor.
• Abstract（参考訳）: データセンターにホストされるAIベースの自律エージェントは、情報制御の決定を発行するために、ロボットやエッジデバイスから状態情報を取得する必要がある。 州に関する不確実性を管理することは、特に安全クリティカルな環境では、平均ケース保証が不十分である。 本研究では,任意の状態予測モデルに与えられたアクセスをいつ取得するかを共同で決定するシーケンシャルな意思決定プロセスについて検討する。 本稿では,分散仮定を頼らずに最悪のケースの信頼性レベルを認定する行動・探索政策であるオンライン共形状態探索(OCSP)を提案する。 OCSPは、欠落したクエリエラー(MQE)を確実に制御するように設計されている。 OCSPは、トレーニングや微調整を必要とせずに、既存の事前訓練された値ベースの制御ポリシーに適用することができる。 我々はOCSPを数値シミュレーションにより検証し、状態予測器のキャリブレーションの関数として理論的保証を検証し、性能トレードオフを評価する。

関連論文リスト

• Local Violation Certification for Linear Predict-Then-Optimize Pipelines [0.0]
  入力不確実性下での線形決定パイプラインに特化して設計された局所的違反認定のための枠組みを提案する。 我々は,標準サンプリング手法が稀な違反に対して効率よく失敗することを数学的に証明し,直接的な構造的アプローチの動機付けを行う。 我々は,排出規制の対象となる経済力派遣システムへのアプローチを実証し,正確な監査可能なリスク評価を提供する。
  論文  参考訳（メタデータ） (2026-08-05T05:58:06Z)
• Conformal Prediction Assessment: A Framework for Conditional Coverage Evaluation and Selection [8.778189690708578]
  コンフォーマル予測アセスメント(CPA)は、条件付きカバレッジを教師付き学習タスクとして再編成するフレームワークである。 条件付き妥当性指数(CVI)は信頼性を安全性(発見リスク)と効率(発見コスト)に分解する
  論文  参考訳（メタデータ） (2026-03-28T08:30:17Z)
• Reliable LLM-Based Edge-Cloud-Expert Cascades for Telecom Knowledge Systems [54.916243942641444]
  大規模言語モデル(LLM)は、通信などの分野において、自動化の鍵となる存在として浮上している。 本研究では,問合せパイプラインによる意思決定を支援する,エッジクラウドに精通したLLMベースの知識システムについて検討する。
  論文  参考訳（メタデータ） (2025-12-23T03:10:09Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• SAFER: Risk-Constrained Sample-then-Filter in Large Language Models [38.97678256807034]
  本稿では,無意識サンプリングと共形フィルタリングを組み合わせた2段階リスク制御フレームワークを提案する。 その結果,SAFERはタスク固有の基準やキャリブレーションテストのスプリット比と互換性があることが判明した。
  論文  参考訳（メタデータ） (2025-10-11T12:12:41Z)
• 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)
• Context-Aware Online Conformal Anomaly Detection with Prediction-Powered Data Acquisition [35.59201763567714]
  文脈認識型共形オンライン異常検出(C-PP-COAD)を導入する。 本フレームワークは,データ不足を軽減するために合成キャリブレーションデータを戦略的に活用し,コンテキストに基づく実データの統合を適応的に行う。 C-PP-COADは、偽発見率(FDR)を保証せずに、実際のキャリブレーションデータへの依存を著しく低減することを示した。
  論文  参考訳（メタデータ） (2025-05-03T10:58:05Z)
• Online Conformal Probabilistic Numerics via Adaptive Edge-Cloud Offloading [52.499838151272016]
  本研究は, PLS が生成する HPD 集合を, 長期のカバレッジ要件を保証するため, キャリブレーションする手法を提案する。 提案手法は,クラウドからエッジへの散発的なフィードバックを前提としたオンライン共形予測PLS (OCP-PLS) と呼ばれる。 OCP-PLSの有効性は、カバレッジ、予測セットサイズ、クラウド利用のトレードオフに関する洞察をもたらす実験を通じて検証される。
  論文  参考訳（メタデータ） (2025-03-18T17:30:26Z)
• Pointwise Feasibility of Gaussian Process-based Safety-Critical Control under Model Uncertainty [77.18483084440182]
  制御バリア関数(CBF)と制御リアプノフ関数(CLF)は、制御システムの安全性と安定性をそれぞれ強化するための一般的なツールである。 本稿では, CBF と CLF を用いた安全クリティカルコントローラにおいて, モデル不確実性に対処するためのガウスプロセス(GP)に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-13T23:08:49Z)

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。