論文の概要: When Verifiers Vote Backwards under Verdict Substitution: Signed Pivotal Value in Correlated Self-Consistency
- arxiv url: http://arxiv.org/abs/2609.26144v1
- Date: Sat, 08 Aug 2026 05:02:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 05:09:55.888756
- Title: When Verifiers Vote Backwards under Verdict Substitution: Signed Pivotal Value in Correlated Self-Consistency
- Title（参考訳）: 評定代替条件下で投票を下方修正する場合:関連自己整合性における符号付きPivotal値
- Abstract要約: 1回の投票で決定されるクエリのみ 多数決を変更できる。
ラベル付き検証スタイルの介入を用いて,その変化の兆候について検討する。
- 参考スコア（独自算出の注目度）: 9.710464466895521
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Replacing one ballot can change a majority decision only on queries decided by a single vote; this structural fact requires no independence assumption. We study the sign of that change using a labeled, verdict-style intervention: one correctness signal replaces one correctness-indicator ballot in $k{=}7$ self-consistency panels. This diagnostic intervention is not identical to deployed answer-identity plurality. A primary MATH-500 experiment ($n{=}570$) gives a different-model verifier a $+24.2$pp pivotal gain, whereas a role-reversed configuration gives $-11.2$pp; an exploratory code stress test (14 pivotal rows across 9 tasks) gives $-24.5$pp. An exact signed-gain decomposition accounts for all observed signs through the verifier's state-specific accuracy and the composition of the two one-vote tally states, rather than global accuracy or model provenance. Same-source signals lose accuracy on the pivotal stratum (65$\to$44\% in the primary configuration), while error correlations provide a descriptive error-association diagnostic. Controlled degradation and a $k\in\{3,5,7\}$ subset sensitivity analysis probe the stability of the observed pattern around this accounting. Under the evaluated ties-incorrect answer-identity plurality analysis, the structural zero and strong-verifier benefit persist, but the role-reversed harm attenuates to $-0.9$pp and is not significant. The results therefore establish harmful verdict substitution, not universally harmful deployed plurality, and motivate a testable but unverified hypothesis for negative process-reward-model weights.
- Abstract（参考訳）: 一つの投票をリプレースすることで、単一の投票で決定されるクエリに対してのみ、多数決を変更できる。
1つの正当性信号は1つの正当性指標を$k{=}7$自己整合性パネルで置き換える。
この診断介入は、デプロイされた回答アイデンティティ複数と同一ではない。
主要なMATH-500実験(n{=}570$)では、異なるモデルの検証器は、+24.2$ppで、ロールリバース構成では、11.2$ppで、探索的なコードストレステスト(9つのタスクに14のピボット行)では24.5$ppで、それぞれ異なるモデル検証器は24.5$ppである。
正確な符号付きゲイン分解は、検証者の状態固有の精度と、2つの1声の背の高い状態の組成を通して観測されたすべての兆候を、大域的な精度やモデル証明ではなく説明する。
同一ソース信号は、主構成において65$\to$44\%のピボット層で精度が低下し、エラー相関は記述的エラー関連診断を提供する。
制御された劣化と$k\in\{3,5,7\}$サブセット感度分析は、この会計の周りの観察されたパターンの安定性を探索する。
評価された ties-incorrect answer-identity multiple analysis では、構造ゼロと強検証の利点は持続するが、ロール逆和は$-0.9$ppに減衰し、有意ではない。
その結果, 悪質な判定置換が確立され, 一般に有害なデプロイが多数発生せず, 負のプロセス・リワードモデル重みに対する検証不可能な仮説を動機づけることができた。
関連論文リスト
- SteerCheck: Attribution Specificity and Alignment Leakage in Activation-Steering Audits [5.366718741784969]
活性化ステアリングは、その効果が意図された概念に固有のものであることを証明せずに行動を変えることができる。
我々は、ターゲット外のKLにマッチし、平均、保護されたテール、極性、転送、セマンティッククレームを分離する、事前登録された属性監査であるSteerCheckを紹介する。
論文 参考訳（メタデータ） (2026-08-25T10:00:29Z) - 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) - Two Regimes of Chain-of-Thought Unfaithfulness: Behavioral Detection Fails Where Models Are Wrong [1.2744523252873352]
ブラックボックス(行動)によるFaithCoT-Benchの人間のアノテーションに対する不誠実なCoTの検出。
答えの正しさはあらゆるレベルで問題を構成する。
論文 参考訳（メタデータ） (2026-07-26T04:43:53Z) - Toward Auditable Fraud Detection: Combining Graph Features, Model Explanations, and Agentic Case Investigation [0.0]
不正検出システムは、説明可能でレビュー可能なまま、トランザクションボリュームの上昇とともにスケールする必要がある。
本研究では,勾配ブースト型分類器,グラフに基づく構造特徴,オートエンコーダに基づく異常信号,および調査エージェントを組み合わせた層状パイプラインについて検討する。
我々は,各コンポーネントは特定の条件下でのみ寄与し,調査エージェントからのもっともらしい根拠は,よりよい判断の証拠ではないと結論づける。
論文 参考訳（メタデータ） (2026-07-21T16:37:41Z) - Conformal calibration and look-elsewhere effect in anomaly detection for new-physics searches [0.0]
機械学習による異常検出は、新しい物理学の探索を再構築している。
本稿では,共形予測に基づく校正層を提案する。
論文 参考訳（メタデータ） (2026-06-11T18:00:02Z) - Stochastic Estimation of the Layer-wise Hessian Trace for Monitoring Neural-network Training [45.88028371034407]
本稿では,ニューラルネットワークの経験的リスクであるヘッセン行列の対角ブロックの軌跡のパラメータ推定器を提案する。
この手順はハッチンソントレース推定器とパラメータベクトル全体の上の1つのヘッセンベクトル積を組み合わせたものである。
重み分担の下での正しさは,第2次微分の前に階層的にヘッセンを組み立てる必要があることを示す。
論文 参考訳（メタデータ） (2026-05-25T10:24:32Z) - 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) - When to Trust Confidence Thresholding: Calibration Diagnostics for Pseudo-Labelled Regression [1.14219428942199]
標準的なプラクティスは、信頼性カットオフで校正されたスコアをしきい値にし、ハードラベルを真実として扱うことである。
疑似ラベリングパイプラインのためのキャリブレーション対応診断装置を開発した。
我々は、下流回帰係数において信頼しきい値が誘導する減衰バイアスの閉形式式を導出する。
論文 参考訳（メタデータ） (2026-05-12T21:49:11Z) - Correction and Corruption: A Two-Rate View of Error Flow in LLM Protocols [51.56484100374058]
そこで本研究では,単一プロトコルステップを正確なマッチングタスクで監査するためのペアアウトカム計測インタフェースを提案する。
各インスタンスについて、インターフェースはベースラインの正当性ビットと後ステップの正当性ビットを記録する。
これらのレートは精度の変化を予測し、種、混合物、パイプライン間でテスト可能な再利用可能な経験的インターフェースを定義する。
論文 参考訳（メタデータ） (2026-04-20T13:25:40Z) - How Independent are Large Language Models? A Statistical Framework for Auditing Behavioral Entanglement and Reweighting Verifier Ensembles [46.63622714488747]
共有事前学習データ、蒸留、アライメントパイプラインは、隠れた振る舞い依存、潜伏絡みを誘導することができる。
実際には、これは相関した推論パターンと同期された障害として現れます。
ブラックボックス言語モデル間の行動絡みを監査するための統計的枠組みを開発する。
論文 参考訳（メタデータ） (2026-04-08T23:32:06Z)
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。