論文の概要: Counterfactual Online Conformal Prediction Under Adaptive Logging
- arxiv url: http://arxiv.org/abs/2609.30811v1
- Date: Fri, 25 Sep 2026 04:43:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.23078
- Title: Counterfactual Online Conformal Prediction Under Adaptive Logging
- Title（参考訳）: Adaptive Logging によるオンラインコンフォーマル予測
- Abstract要約: オンライン共形予測は、フォームアクションとアクションがどの結果がキャリブレーションに入るかを決定すると失敗することがある。
本稿では, 事実報告による失敗の形式化と, Propensity-Weighted Online Conformal Predictionの導入について述べる。
PW-OCPとDR-OCPは、予測セットのシャープネスを犠牲にすることなく、偽りのカバレッジと下流の後悔を改善する。
- 参考スコア（独自算出の注目度）: 6.234015621305964
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Online conformal prediction can fail when predictions shape actions and actions determine which outcomes enter calibration. Standard adaptive methods may retain marginal coverage while systematically miscovering the counterfactual outcomes of rarely selected actions. This paper formalizes the failure through counterfactual coverage and introduces Propensity-Weighted Online Conformal Prediction, an inverse-propensity-weighted recursion that debiases calibration. A doubly robust variant further reduces nuisance bias to the product of outcome-model and propensity errors. Under positivity, the resulting coverage rate matches an information-theoretic lower bound up to logarithmic factors. Experiments on synthetic decision tasks, open bandit data, and financial rebalancing show that PW-OCP and DR-OCP improve counterfactual coverage and downstream regret without sacrificing prediction-set sharpness.
- Abstract（参考訳）: オンライン共形予測は、フォームアクションとアクションがどの結果がキャリブレーションに入るかを決定すると失敗することがある。
標準適応法は、稀に選択された行動の対実的な結果を体系的に誤認しながら、限界範囲のカバレッジを維持することができる。
本稿では, 逆正当性重み付き再帰法であるPropensity-Weighted Online Conformal Predictionを導入し, キャリブレーションを排除した。
二重ロバストな変種は、結果モデルと確率誤差の積に対するニュアンスバイアスをさらに減少させる。
肯定的条件下では、得られたカバレッジ率は対数的要因までの情報理論の下限と一致する。
PW-OCPとDR-OCPは、予測セットのシャープネスを犠牲にすることなく、偽りのカバレッジと下流の後悔を改善する。
関連論文リスト
- Temporal Graph Prototype-conditioned Conformal Prediction for Fraud Detection [15.872326009493884]
本稿では,時間グラフ上でのエッジレベルの不正検出のための共形予測フレームワークであるProtoCPを提案する。
ProtoCPは不正関連部分グラフのコンテキストに校正を集中させることで校正効率を向上させる。
ProtoCPは、最先端のベースラインよりも一貫して小さな予測セットでターゲットカバレッジを達成する。
論文 参考訳（メタデータ） (2026-08-16T14:44:16Z) - Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。
本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。
本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
論文 参考訳（メタデータ） (2026-05-29T03:52:44Z) - Reward Bias Substitution: Single-Axis Bias Mitigations Redirect Optimization Pressure [23.021647176206972]
報酬モデルバイアスの単一軸緩和は、最適化圧力をそれを取り除くのではなく、相関したプロキシに回転させることができる。
この障害は、監査と政策によって引き起こされる分布の計測と最適化のギャップによって実現される。
我々は緩和の結果を制度分類に定式化し、緩和、偏見置換、過補正が同じ観測結果を生み出すことを証明した。
論文 参考訳（メタデータ） (2026-05-27T05:40:22Z) - Online Conformal Prediction with Corrupted Feedback [42.94410959330529]
オンライン共形予測(OCP)は適応的に更新された予測セットを通じてこの問題に対処する。
これらは、過去の予測セットのカバレッジに関する完全なフィードバックの仮定にヒンジを保証します。
実際には、観測された誤検出指標は、ノイズ、通信障害、あるいは敵の操作によって破損する可能性がある。
論文 参考訳（メタデータ） (2026-05-19T21:34:37Z) - Reasoning-Enhanced Rare-Event Prediction with Balanced Outcome Correction [45.88028371034407]
本稿では,予測のためのLPCORP(Low-Prevalence CORrector for Prediction)*を提案する。
医療・消費者サービス分野における実世界のデータセット上でLPCORPを評価する。
論文 参考訳（メタデータ） (2026-01-23T02:34:29Z) - Distribution-informed Online Conformal Prediction [53.674678995825666]
更新ルールに基礎となるデータパターンを組み込んだオンラインコンフォメーション予測アルゴリズムである Conformal Optimistic Prediction (COP) を提案する。
COPは予測可能なパターンが存在する場合により厳密な予測セットを生成し、見積もりが不正確な場合でも有効なカバレッジ保証を保持する。
我々は,COPが有効なカバレッジを実現し,他のベースラインよりも短い予測間隔を構築できることを証明した。
論文 参考訳（メタデータ） (2025-12-08T17:51:49Z) - 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) - Error-quantified Conformal Inference for Time Series [55.11926160774831]
時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。
量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。
ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
論文 参考訳（メタデータ） (2025-02-02T15:02:36Z) - Identifying and Mitigating Social Bias Knowledge in Language Models [52.52955281662332]
個々人の社会的偏見をきめ細かなキャリブレーションを可能にする新しいデバイアス・アプローチであるFairness Stamp(FAST)を提案する。
FASTは最先端のベースラインを超え、デバイアス性能が優れている。
これは、大きな言語モデルにおける公平性を達成するためのきめ細かいデバイアス戦略の可能性を強調している。
論文 参考訳（メタデータ） (2024-08-07T17:14:58Z) - Equal Opportunity of Coverage in Fair Regression [50.76908018786335]
我々は、予測の不確実性の下で公正な機械学習(ML)を研究し、信頼性と信頼性のある意思決定を可能にする。
本研究は,(1)類似した結果の異なる集団に対するカバー率が近いこと,(2)人口全体のカバー率が一定水準にあること,の2つの特性を達成することを目的としたカバーの平等機会(EOC)を提案する。
論文 参考訳（メタデータ） (2023-11-03T21:19:59Z)
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。