論文の概要: Measurement-Gated Provenance Attenuation for Frozen EEG Representations
- arxiv url: http://arxiv.org/abs/2609.32889v1
- Date: Sat, 26 Sep 2026 19:23:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 12:12:20.73318
- Title: Measurement-Gated Provenance Attenuation for Frozen EEG Representations
- Title（参考訳）: 凍結脳波表現のための計測ゲート付き減衰
- Abstract要約: MGPA(Message-Gated Provenance Attenuation)は、1つの原則に基づいて構築されている。
3つの研究は、MGPAを仮定から距離を増すことでテストする。
- 参考スコア（独自算出の注目度）: 6.629453577770604
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Frozen EEG representations retain acquisition signatures as well as neural activity. Source predictability alone does not identify what should be removed: it can reflect measurement effects or genuine biological and population differences, which should not be erased. We propose Measurement-Gated Provenance Attenuation (MGPA), built on one principle: measurement evidence determines where correction may act, and preserved information determines what it should aim for. Paired measurement contrasts define a gate outside which nothing changes; inside it, the source score is moved to the value the preserved coordinates already predict: for a fixed affine score, this keeps the same information as any target set by those coordinates and needs the least expected squared movement. Closed-form and critic-guided iterative constructions apply it without source identity or encoder retraining. Three studies test the principle at increasing distance from its assumptions. Under controlled reference changes, where the source-task association is known, MGPA brings source to near chance with task performance unchanged, whereas erasing what predicts source (LEACE) lowers frozen-task AUROC from .753 to .656 while barely touching source; ablations attribute the attenuation to the gate's directions and 2.7x less movement to the conditional target. Across recordings from different devices and electrodes, iterative correction lowers source accessibility while preserving or improving task performance. Finally, one iterative map selected on one task and reused unchanged on existing heads for two others raises their worst-association AUROC (lowest over device-label shifts) by .057 and .019 over LEACE, at a cost to those heads while the training association holds. A reusable correction shows its value in how an existing predictor behaves once acquisition cues stop being reliable, not only in what a probe can read.
- Abstract（参考訳）: 凍結脳波の表現は、神経活動と同様に獲得シグネチャを保持する。
情報源の予測可能性だけでは、除去すべきものを特定していない。これは、測定効果や本物の生物学的および集団差を反映し、消去すべきではない。
本研究では, 測定証拠がどの位置で修正を行うべきかを判断し, 保存された情報が目的を判断する,という原則に基づいて, MGPA(Message-Gated Provenance Attenuation)を提案する。
ペア計測コントラストは、何も変化しないゲートを定義しており、内部では、ソーススコアは保存された座標が既に予測している値に移動される:固定アフィンスコアの場合、これらの座標によって設定されたターゲットと同じ情報を保持し、最小の2乗運動を必要とする。
クローズドフォームと批評家が指導する反復的な構成は、ソースIDやエンコーダの再訓練なしに適用できる。
3つの研究は、仮定から距離を増すことで原理を検証している。
ソース・タスク・アソシエーションが知られている制御された基準変更の下では、MGPAはタスク性能が変化せず、ソースをほとんど触れない状態で、ソース予測(LEACE)が凍結タスクAUROCを.753から.656に低下させる。
異なるデバイスや電極からの録音全体にわたって、反復補正は、タスク性能を保存または改善しながらソースアクセシビリティを低下させる。
最後に、あるタスクで選択された1つの反復マップが既存の2つのヘッドで変更されずに再利用され、トレーニング協会が保持している間、それらのヘッドにコストを掛けて、.057 と .019 で最悪のアソシエーション AUROC (デバイスラベルシフトよりも低い) を .057 と .019 で増加させる。
再利用可能な修正は、プローブが読み取れるものだけでなく、取得キューが信頼できなくなると、既存の予測者がどのように振る舞うかを示す。
関連論文リスト
- When Residualization Helps an Audit: Format Effects, Slice Gains, and Their Limits [0.7734726150561088]
LLMシステムで使用される評価スコアは、測定する品質ではなく、表面形状を追跡することができる。
観測的NLIおよびQA設定では、不随伴アノテータのラベルを用いて評価する前に、保持された複製を凍結し、再評価する。
完全な人口合意は、報告された正のスライスゲインを持つすべての観測条件に該当し、要求内ランキングはそのようなQA設定すべてに該当する。
論文 参考訳（メタデータ） (2026-09-21T07:06:37Z) - ReDraft, Don't Just Distill: Reference-Driven Revision for Continual VLLM Post-Training [66.72708893922605]
大規模なマルチモーダルモデルのポストトレーニングは、事前トレーニングから保護しながら、新しい機能を追加する必要がある。
SFTは、タスクをほぼゼロの精度から学習する明確なターゲット監視を提供するが、そのオフポリティックターゲットはモデルを十分に移動させ、忘れる原因となる。
モデル自身の失敗から両方を得るReDraftを紹介します。
論文 参考訳（メタデータ） (2026-09-15T04:59:03Z) - Counterfactual Evaluation of Temporal Observation Protocols [1.2292186162350942]
実測プロトコルで収集されたデータが、展開されていない代替案の予測値を決定するかどうかを検討する。
無限のベンチマークデータでさえ、この値を決定する必要はない。
我々は、代替の値を変化させる潜在曖昧さのみを重要視する値固有識別理論を開発する。
論文 参考訳（メタデータ） (2026-08-23T05:05:16Z) - Why Does the Future Branch? Identifiable Closure Tests for Stochastic Physical World Models [0.0]
ClosurePairsは、繰り返し発生する障害を伴う互換性のあるマイクロステートを横断します。
ソースの属性は確実に回復する。
非線形相互作用ベンチマークにおける等予算分解誤差を低減する。
論文 参考訳（メタデータ） (2026-08-01T11:07:24Z) - Generative Verification: Rethinking the Uncertainty Signal for Active Learning of Object Detection [14.738453379093961]
生成検証において、独立生成モデルは、予測ボックス内の画素から検出されたラベルを再導出する。
交換された箱、背景の箱、間違ったラベルを持つ正しい箱は、すべて検証に失敗する作物を生み出します。
検証器は検出器の信頼性を決して観測しないため、確実な誤り検出が最高となる。
論文 参考訳（メタデータ） (2026-07-28T20:10:23Z) - MAIGO: Mitigating Lost-in-Conversation with History-Cleaned On-Policy Self-Distillation [51.32912774464992]
大規模な言語モデルは、しばしば完全に指定されたプロンプトからタスクを解くが、同じ要求が複数のターンに広がると分解する。
本研究は, モデル自体の方針から, 履歴をクリアした基準を用いて汚染を低減させる, オンライン自己蒸留法であるMAIGOを提案する。
ミドルターンの場合、MAIGOは、ユーザ可視のシャードプレフィックスを保持しながら、事前のアシスタント応答を削除します。
論文 参考訳（メタデータ） (2026-05-26T15:38:46Z) - Inference Time Causal Probing in LLMs [26.69306706280534]
因果探索において、介入は、プロパティが異なる値を取るように隠された状態を変更する。
隠れ状態を直接制御するプローブレス勾配法であるHidden-state Driven Margin Intervention (HDMI)を提案する。
HDMIはLGD契約コーパスやCausalGymベンチマークの従来の方法よりも信頼性が高い。
論文 参考訳（メタデータ） (2026-05-08T11:59:13Z) - CLUE: Non-parametric Verification from Experience via Hidden-State Clustering [64.50919789875233]
隠れアクティベーションの軌跡内の幾何的に分離可能なシグネチャとして解の正しさが符号化されていることを示す。
ClUE は LLM-as-a-judge ベースラインを一貫して上回り、候補者の再選において近代的な信頼に基づく手法に適合または超えている。
論文 参考訳（メタデータ） (2025-10-02T02:14:33Z) - BURN: Backdoor Unlearning via Adversarial Boundary Analysis [73.14147934175604]
Backdoor Unlearningは、モデル本来の機能を保持しながら、バックドア関連の情報を削除することを目的としている。
本稿では, 偽相関疎結合, プログレッシブデータリファインメント, モデル浄化を統合した新しい防御フレームワーク, BURNによるバックドア・アンラーニングを提案する。
論文 参考訳（メタデータ） (2025-07-14T17:13:06Z) - Real-Time Anomaly Detection in Edge Streams [49.26098240310257]
マイクロクラスタ異常の検出に焦点を当てたMIDASを提案する。
さらに、アルゴリズムの内部状態に異常が組み込まれている問題を解くために、MIDAS-Fを提案する。
実験の結果,MIDAS-Fの精度はMIDASよりも有意に高かった。
論文 参考訳（メタデータ） (2020-09-17T17:59:27Z) - Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。
アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。
本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
論文 参考訳（メタデータ） (2020-06-28T13:49:30Z)
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。