論文の概要: Reliable Fusion of Conflicting Experts

• arxiv url: http://arxiv.org/abs/2609.27913v1
• Date: Fri, 21 Aug 2026 16:20:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.011074
• Title: Reliable Fusion of Conflicting Experts
• Title（参考訳）: 紛争専門家の信頼融合
• Abstract要約: 複数のブラックボックスの専門家による、騒々しい、紛争を起こしやすい環境における意見の集約の問題について検討する。 本稿では,コンテキスト固有の信頼度推定値を用いて,専門家の応答を結合した,トラクタブルで確率的な循環型融合フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 42.48375413909452
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of aggregating opinions from multiple black-box experts in noisy, conflict-prone settings where expert reliability varies across inputs. Static aggregation methods, such as majority voting, fail to capture this variability and often yield unreliable outcomes under disagreement. We propose a tractable, probabilistic-circuit-based fusion framework that dynamically combines expert responses using context-specific credibility estimates, enabling principled and reliable reasoning. The framework is agnostic to the underlying experts and does not require access to their internal representations or any retraining. We empirically validate our approach on multiple-choice question answering tasks using multiple LLMs as experts, comparing against individual models and static ensemble baselines. Our method consistently improves predictive performance and produces more reliable decisions under conflict, highlighting the effectiveness of context-aware credibility modeling for robust multi-expert fusion.
• Abstract（参考訳）: 本研究では,複数のブラックボックスの専門家による,ノイズの多いコンフリクトが伴う状況において,専門家の信頼性が入力によって異なるような意見の集約の問題について検討する。 多数決のような静的な集計手法は、この変動を捉えず、しばしば不一致の下で信頼できない結果をもたらす。 本稿では,コンテキスト固有の信頼度推定を用いて専門家の応答を動的に結合し,原理的かつ信頼性の高い推論を可能にする,トラクタブルで確率的な循環型融合フレームワークを提案する。 このフレームワークは、基礎となる専門家に非依存であり、内部表現へのアクセスや再トレーニングは不要である。 我々は,複数のLCMを専門家として用いて,複数の質問応答タスクに対するアプローチを実証的に検証し,個々のモデルと静的アンサンブルベースラインとの比較を行った。 提案手法は予測性能を常に改善し,コンフリクト下でより信頼性の高い決定を導出し,堅牢なマルチエキスパート融合のためのコンテキスト認識信頼性モデリングの有効性を強調した。

関連論文リスト

• Uncertainty-Aware Trust Estimation for Multi-LLM Systems via Structured Expert Judgement [4.972323953932128]
  我々は不確実性を考慮した信頼推定問題としてマルチLLMアグリゲーションを定式化する。 我々は、不正確な予測を過信するCookスタイルのログ重み付けを採用する。 我々は,同種,異種,汚染された専門家パネルにまたがるMMLUとMMLU-Proのアプローチを評価した。
  論文  参考訳（メタデータ） (2026-07-10T08:47:05Z)
• Split the Differences, Pool the Rest: Provably Efficient Multi-Objective Imitation [49.86232017439639]
  マルチ出力拡張行動クローン(MA-BC)について紹介する。 MA-BCは、振る舞いの衝突が観測されない状態-動作ペアをプールしながら、専門家データを分離する。 我々は,MA-BCが極小であることを示す,多目的模倣学習のための新しい下位境界を確立する。
  論文  参考訳（メタデータ） (2026-05-12T11:49:08Z)
• Are Independently Estimated View Uncertainties Comparable? Unified Routing for Trusted Multi-View Classification [28.07900590930962]
  We propose Trusted Multi-view Learning with Unified Routing (TMUR) which decouples view-specific evidence extract from fusion arbitration。 TMURはビュープライベートの専門家と1人のコラボレーティブエキスパートを使用し、グローバルなマルチビューコンテキストを観察してサンプルレベルのエキスパートウェイトを生成する統一ルータを使用している。
  論文  参考訳（メタデータ） (2026-04-10T12:58:11Z)
• Context-specific Credibility-aware Multimodal Fusion with Conditional Probabilistic Circuits [44.17431954751685]
  C$2$MFは、コンテキストに特有な信頼性を意識したマルチモーダル融合フレームワークである。 CSIC(Context-Specific Information Credibility)によるインスタンスレベルの信頼性の形式化 C$2$MFは,高雑音条件下での静的信頼性ベースラインよりも最大29%精度が向上することを示す。
  論文  参考訳（メタデータ） (2026-03-27T17:29:08Z)
• Confidence Estimation for LLMs in Multi-turn Interactions [48.081802290688394]
  この研究は、マルチターン相互作用における信頼度推定に関する最初の体系的研究である。 そこで我々は,2つの主要なデシラタに基礎を置く形式的評価枠組みを構築した。 我々の研究は、より信頼性が高く信頼性の高い会話エージェントを開発するための基礎的な方法論を提供する。
  論文  参考訳（メタデータ） (2026-01-05T14:58:04Z)
• Multi-Crit: Benchmarking Multimodal Judges on Pluralistic Criteria-Following [99.20581206115979]
  Multi-Crit は、マルチモーダルな審査員が複数の基準に従い、信頼できる基準レベルの判断を下す能力を評価するためのベンチマークである。 25 LMMの包括的分析から,1) プロプライエタリなモデルは,(特にオープンエンド評価において) 多元的基準への一貫した従順性を維持するのに苦慮している,2) オープンソースのモデルは,様々な基準に柔軟に遅れている,3) 全体論的判断信号による批判的微調整は,視覚的根拠を高めるが,多元的基準レベルの判断に一般化することができない,などが分かる。
  論文  参考訳（メタデータ） (2025-11-26T18:35:17Z)
• Evidential Deep Partial Multi-View Classification With Discount Fusion [24.139495744683128]
  Evidential Deep partial Multi-View Classification (EDP-MVC) と呼ばれる新しいフレームワークを提案する。 欠落したビューに対処するためにK-means命令を使用し、マルチビューデータの完全なセットを作成します。 この暗示されたデータ内の潜在的な衝突や不確実性は、下流の推論の信頼性に影響を与える可能性がある。
  論文  参考訳（メタデータ） (2024-08-23T14:50:49Z)
• Credibility-Aware Multi-Modal Fusion Using Probabilistic Circuits [26.501564150905175]
  差別学習における後期マルチモーダル融合の問題点を考察する。 ノイズの多いマルチソースドメインをモチベーションとし、マルチモーダル融合の文脈における信頼性の概念を探求する。
  論文  参考訳（メタデータ） (2024-03-05T19:25:55Z)

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。