論文の概要: KITE: Scaling Jev Population Experiments with Sparse Flagship Calibration
- arxiv url: http://arxiv.org/abs/2609.27535v1
- Date: Wed, 23 Sep 2026 08:28:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 00:05:17.944267
- Title: KITE: Scaling Jev Population Experiments with Sparse Flagship Calibration
- Title（参考訳）: KITE:スパースフラッグシップ校正によるJev集団実験のスケーリング
- Abstract要約: KITEは、一意の状態ごとに型付き行動カーネルをクエリし、テーブルから任意のサイズの集団を実行する。
9,070人の参加者によるエプスタインの実験では、1.7%の状態をカバーするアンカーが効果誤差を41%削減した。
37回のSoc-outSci210実験では0.5-1.5%のアンカーカバレッジが0.27から0.39に上昇した。
- 参考スコア（独自算出の注目度）: 2.7946858992663586
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: KITE queries a typed behavioral kernel once per unique state, then executes populations of any size from the table with event-keyed randomness and common random numbers. An expensive flagship model is reserved for sparse paired anchors that estimate intervention effects. Measured human-model discrepancy is propagated as shared error into every conclusion. Population-experiment cost thus scales with unique states and anchors, while uncertainty is governed by evidence about people rather than Monte Carlo noise. On Epstein experiments with 9,070 participants, anchors covering 1.7% of states reduced effect error by 41% (absolute MAE reduction 0.0125). On 37 held-out SocSci210 experiments, 0.5-1.5% anchor coverage raised captured decision gain from 0.27 to 0.39. The kernel passed content-fidelity criteria in all 15 new countries of a 16-country study. Shared discrepancy yielded retrospective coverage of 93% and 96% at nominal 80% and 90%, versus 29% and 36% from human sampling uncertainty alone. A million agents executed 20 tabulated steps in 0.9 seconds on a laptop. This architecture offers a route to screening candidate interventions before human trials, multi-country content audits, and uncertainty-aware policy comparison at the cost of a few thousand kernel calls with sparse flagship anchors. Property-specific evidence records connect each use to its validation scope, correction provenance, and uncertainty, making these applications auditable.
- Abstract（参考訳）: KITEは、一意の状態ごとに型付き行動カーネルをクエリし、イベントキーのランダムネスと共通乱数でテーブルから任意のサイズの集団を実行する。
高価な旗艦モデルは、介入効果を見積もるスパースペアアンカーに予約されている。
測定された人間モデル差分は、すべての結論に対して共有誤差として伝播される。
人口実験コストは独特な州やアンカーでスケールするが、不確実性はモンテカルロの騒音ではなく人々の証拠によって管理される。
9,070人の参加者によるエプスタインの実験では、1.7%の状態をカバーするアンカーが効果誤差を41%削減した(絶対MAE還元0.0125)。
37回のSocSci210実験では0.5-1.5%のアンカーカバレッジが0.27から0.39に上昇した。
カーネルは16か国を対象にした15か国すべてでコンテントフィデリティ基準をパスした。
共有不一致は93%,96%が名目上の80%,90%が振り返り,29%,36%がヒトのサンプリング不確実性のみであった。
100万のエージェントがラップトップで0.9秒で20のタブ化されたステップを実行した。
このアーキテクチャは、人間のトライアルの前に候補の介入をスクリーニングするルート、多国間のコンテンツ監査、数千のカーネルコールとスパースフラッグアンカーのコストで不確実性を考慮したポリシー比較を提供する。
プロパティ固有のエビデンス記録は、それぞれの使用を検証範囲、修正の証明、不確実性に結び付け、これらのアプリケーションが監査可能である。
関連論文リスト
- Safe to Stop? Risk-Constrained Stopping for Sequential Clinical Diagnosis Agents [8.33858460175655]
リスク制約付き停止層であるCrosについて述べる。状態的エラーランキング,不随伴開発分割に関するポリシー設計,選択的診断誤差の LTT スタイルの正確なテストなどである。
その有限サンプル保証は、キャリブレーションラベルにアクセスする前に、候補ファミリー、テストルール、任意のランダム化を凍結する必要がある。
論文 参考訳（メタデータ） (2026-09-09T03:46:53Z) - Marginal Fidelity Does Not Establish User Simulation in Demographic Synthetic Survey Panels: Response Contracts, Support Collapse and Conditioning Failure [51.736723807086385]
人口密着協定は、個別のシミュレーションの証拠ではなく、エスカレーション契約の証拠であり、シミュレーションされた回答者なしで得られる推定値である。
9つのアライメントされたモデルバッテリペアでは、非個人個体数のクエリの平均は6.27 MAE対12.39であり、9つの比較すべてで勝利する。
論文 参考訳（メタデータ） (2026-09-07T10:22:22Z) - Does Fault Localization Beat a Fresh Attempt? A Placebo-Controlled Study of Test-Guided Code Repair [0.0]
フォールトローカライゼーションは、失敗したテストが意味するステートメントにコードモデルの修復に集中することができるが、ターゲットの編集が成功するのは、それが小さいためだけである。
我々はこれらの説明を3つの腕で分け、同じ失敗候補に当てはめます。
3つのフリーズ26-32Bモデル、3つのベンチマーク、488の候補が失敗し、3つの結果が続いた。
論文 参考訳（メタデータ） (2026-09-01T07:48:51Z) - Reference-Distribution Dependence in LLM-Based Synthetic Persona Data: Diagnosis and Post Hoc Adjustment of Demographic Distributions [0.0]
観測されたエラーのほとんどは、ジェネレータよりも参照の選択に起因していることを示す。
我々は,小規模なサーベイデザインのための補助材料として,合成ペルソナデータを扱うことを推奨する。
論文 参考訳（メタデータ） (2026-08-24T07:45:48Z) - Does Splitting a Triage Decision Across Agents Hide Bias or Help Catch It? A Multi-Agent Simulation Study of LLM-Based Resource Allocation Under Audit Capacity Constraints [0.0]
我々は、同じ決定がロール微分マルチエージェントパイプラインに分散されたとき、バイアスに何が起こるかを研究する。
2つの条件の間に偏りが生じる頻度について、測定可能な違いは見つからない。
バイアスが捕捉されるかどうかに監査能力が大きな、そして重大な影響を与えることが分かっています。
論文 参考訳（メタデータ） (2026-08-07T08:25:53Z) - State-dependent error correlations shape voting thresholds in committees of AI agents [1.7545090618311434]
Sah-Stiglitzブートストラップスクリーニングとエラー依存性を組み合わせることで、良いケースと悪いケースを区別できる。
4つのバイナリスクリーニングベンチマークで28言語モデルを用いて174,384票から異種拡張を推定した。
設計バランスの分析では、独立下でのコスト感受性の閾値選択により60.25から52.50に縮小された。
論文 参考訳（メタデータ） (2026-07-27T02:06:22Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - The Autocorrelation Blind Spot: Why 42% of Turn-Level Findings in LLM Conversation Analysis May Be Spurious [35.76482964927589]
202のマルチターン会話における66のターンレベルメトリクスの自己相関構造を特徴付ける。
標準プールテストでは,42%のアソシエーションがクラスタ・ロバスト補正に成功しなかった。
我々は、Chelton (1983) の有効自由度と会話レベルのブロックブートストラップを組み合わせた2段階補正フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-15T20:54:39Z) - From Black Box to Glass Box: Cross-Model ASR Disagreement to Prioto Review in Ambient AI Scribe Documentation [43.148402136307716]
異種ASRシステム間のクロスモデル不一致は、基準のない不確実性信号として機能する。
商用APIとオープンソースエンジンにまたがる8つのASRシステムを備えた,50の公開医療用オーディオクリップを転写した。
低アグリメント領域は内容の不一致に富み、高リスク質量のクインタイル全体では53.9%から73.9%に増加した。
論文 参考訳（メタデータ） (2026-03-02T13:02:13Z) - Fortytwo: Swarm Inference with Peer-Ranked Consensus [36.94429692322632]
我々は、AI推論において優れたパフォーマンスを達成するために、Swarmの知能原則と分散ペアのランキングコンセンサスを活用する新しいプロトコルFortytwoを提案する。
独自のBradley-Terry-styleアグリゲーションモデルを用いて、Swarm推論が多数決をかなり上回ることを示す。
論文 参考訳（メタデータ） (2025-10-27T23:19:48Z) - Exploring Response Uncertainty in MLLMs: An Empirical Evaluation under Misleading Scenarios [49.53589774730807]
マルチモーダル大規模言語モデル(MLLM)は近年,視覚的質問応答から映像理解に至るまでのタスクにおいて,最先端のパフォーマンスを実現している。
12件のオープンソースMLLMが, 単一の偽装キューを受けた65%の症例において, 既往の正解を覆した。
論文 参考訳（メタデータ） (2024-11-05T01:11:28Z)
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。