論文の概要: Conformal Bayes under Continuous Label Shift: Sensitivity Analysis and the Limits of Exact Validity

• arxiv url: http://arxiv.org/abs/2609.27976v1
• Date: Mon, 24 Aug 2026 06:00:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:56.024982
• Title: Conformal Bayes under Continuous Label Shift: Sensitivity Analysis and the Limits of Exact Validity
• Title（参考訳）: 連続ラベルシフト下におけるコンフォーマルベイズ:感度解析と有効妥当性限界
• Abstract要約: コンフォーマルベイズは、後続の予測スコアと共形校正を組み合わせる。 既定の可塑性傾きに対して感度解析を行うJTS-CB(Joint Tilt-Sensitivity Conformal Bayes)を提案する。
• 参考スコア（独自算出の注目度）: 0.6599344783327052
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conformal Bayes combines Bayesian posterior predictive scores with conformal calibration, but under continuous label shift both the score and calibration weight depend on the unknown response-marginal density ratio. Existing methods typically estimate one shift parameter from pseudo-labels or predictive samples and plug it into calibration. We instead propose Joint Tilt-Sensitivity Conformal Bayes (JTS-CB), which performs sensitivity analysis over a prespecified set of plausible tilts; its split-conformal realization is JTS-SCB. Each tilt jointly determines the Bayesian conformal score and conformal importance weight. JTS-SCB forms a bounded sensitivity envelope over candidate tilts, but its calibration-only construction does not inherit the exact finite-sample weighted-conformal guarantee. We therefore study a separate candidate-weighted exact counterpart and show that its usefulness depends sharply on tail behavior. For scalar linear exponential tilts, any nonzero candidate tilt makes the exact set unbounded. More generally, tail-growing density ratios produce the same pathology, whereas quadratic tilts with a negative coefficient on \(y^2\) have vanishing tail weights and admit bounded exact inference on the original target. Ratio clipping provides a complementary bounded exact construction for a surrogate target when tails grow. Experiments show that strong plug-in predictive sampling can match the oracle when the shift is well identified, while sensitivity analysis is most useful for richer, weakly identified, or systematically biased shift models, at the cost of wider prediction sets.
• Abstract（参考訳）: コンフォーマルベイズはベイズの後続予測スコアと共形キャリブレーションを組み合わせるが、連続ラベルシフトの下ではスコアとキャリブレーションの重みは未知の応答マージナル密度比に依存する。 既存の方法は通常、擬似ラベルや予測サンプルから1つのシフトパラメータを推定し、キャリブレーションにプラグインする。 そこで我々は, 既定の可塑性傾きに対して感度解析を行うJTS-CB(Joint Tilt-Sensitivity Conformal Bayes)を提案し, 分割等角化は JTS-SCB である。 各傾きはベイズ共形スコアと共形重みを共同で決定する。 JTS-SCBは、候補傾きに対する有界感度エンベロープを形成するが、キャリブレーションのみの構成は、正確な有限サンプル重み付き整合保証を継承しない。 そこで本研究では,候補重み付き正当性について検討し,その有用性は尾の挙動に大きく依存することを示した。 スカラー線型指数傾きに対して、任意の非ゼロ候補傾きは、正確な集合を非有界にする。 より一般的には、尾成長密度比は同じ病理を生じるが、(y^2\) 上の負の係数を持つ2次傾きは尾重を消失させ、元のターゲットに有界な正確な推測を認める。 比率クリッピングは、尾が成長するときにサロゲートターゲットに対して、補完的な有界な正確な構成を提供する。 実験により、強いプラグイン予測サンプリングは、シフトが適切に識別されたときにオラクルと一致し、感度解析はよりリッチで弱い識別、あるいは系統的に偏りのあるシフトモデルに最も有用である。

関連論文リスト

• SPARC: Single-Pass Scaling for Motion Forecasting with Conformal Bayesian Last Layers [1.4452289368758382]
  シングルパス適応リスク(英: Single-Pass Adaptive Risk)は、人間の動き予測器に対する構造的、校正的、効率的な不確実性推定である。 決定論的バックボーンは将来の平均を予測し、共役ベイズ最後の層は時間領域の特徴レバレッジを解析的地平線スケールに変換する。 NLLと組み合わせたMPJPE+NLLの基準では、競争点の精度と効率的な校正管を維持している。
  論文  参考訳（メタデータ） (2026-08-21T07:20:22Z)
• Stability Annealing Selects the Implicit Bias of Smoothed Sign Descent: A Rate-Indexed Barrier Path on Separable Data [3.7437735326653883]
  本稿では,分離可能なデータに対する完全バッチ線形分類における速度制御中間事例について検討する。 指数損失を重み付けしたメモリレス安定アニール型スムーズドサイン降下に対して, 正規化繰り返しは, 凸バーグ型バリアの最小化に収束することが証明された。
  論文  参考訳（メタデータ） (2026-07-07T08:55:35Z)
• Robust Bayes-Assisted Conformal Prediction [0.9558392439655014]
  ベイズ支援型共形予測は、ベイズモデリングの強みと、正確に分布のない頻繁なカバレッジ保証を組み合わせる。 頑健な非整合性スコアを構築するためのベイズ支援フレームワークRoBAS(Robust Bayes-Assisted Shrinkage:Robust Bayes-Assisted Shrinkage)を紹介する。
  論文  参考訳（メタデータ） (2026-07-05T11:26:37Z)
• Conformal Bayes under Label Shift: Post-Hoc Calibration vs. In-Training Adaptation [0.6599344783327052]
  我々はラベルシフトの下で共形ベイズを統一的な視点から研究する。 名目的対象領域のカバレッジを復元する2つの補完的アプローチを同定する。 トレーニング中の適応はデバイアス演算子として機能し、一定範囲で間隔幅を小さくする。
  論文  参考訳（メタデータ） (2026-06-10T09:38:48Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• LATA: Laplacian-Assisted Transductive Adaptation for Conformal Uncertainty in Medical VLMs [61.06744611795341]
  医用視覚言語モデル(VLM)は医用画像の強力なゼロショット認識器である。 本研究では,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ・アダプティブ(texttttextbfLATA,ラプラシアン支援トランスダクティブ・アダプティブ・アダプティブ・アダプティブ)を提案する。 texttttextbfLATAは交換性を損なうことなくゼロショット予測をシャープにする。
  論文  参考訳（メタデータ） (2026-02-19T16:45:38Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• Calibration of Neural Networks using Splines [51.42640515410253]
  キャリブレーション誤差の測定は、2つの経験的分布を比較します。 古典的コルモゴロフ・スミルノフ統計テスト(KS)にインスパイアされたビンニングフリーキャリブレーション尺度を導入する。 提案手法は,KS誤差に対する既存の手法と,他の一般的なキャリブレーション手法とを一貫して比較する。
  論文  参考訳（メタデータ） (2020-06-23T07:18:05Z)
• Distribution-free binary classification: prediction sets, confidence intervals and calibration [106.50279469344937]
  分布自由条件における二項分類のための不確実性定量化(キャリブレーション、信頼区間、予測セット)の3つの概念について検討する。 固定幅と一様質量の両双対の双対確率に対する信頼区間を導出する。 我々の「三脚」定理の結果として、双有理確率に対するこれらの信頼区間は分布自由キャリブレーションに繋がる。
  論文  参考訳（メタデータ） (2020-06-18T14:17:29Z)

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。