論文の概要: MAD-Guard: Controlled Study of Autoregressive Generation versus Direct Decision Interfaces for Closed Multimodal Forensic Tasks
- arxiv url: http://arxiv.org/abs/2609.33683v1
- Date: Sun, 27 Sep 2026 15:45:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 17:44:30.419618
- Title: MAD-Guard: Controlled Study of Autoregressive Generation versus Direct Decision Interfaces for Closed Multimodal Forensic Tasks
- Title（参考訳）: MAD-Guard:クローズドマルチモーダル法定タスクにおける自己回帰生成と直接決定インタフェースの制御に関する研究
- Abstract要約: 閉鎖型マルチモーダル法医学的タスクに対する出力-決定インタフェースの制御に関する研究であるMAD-Guardを提案する。
我々は、決定インターフェース(AR-SFT [generate] $to$ Logit Slice $to$ Binary Direct Head $to$ +choice $to$ +act $to$ CLM-Head)の進行を評価し、遅延をバックボーン表現に分解する。
5つのベンチマークから5000枚以上のアウトオブサンプル画像が得られ、私たちのフレームワークは合成、カモフラージュ、文書偽造に優れています。
- 参考スコア（独自算出の注目度）: 6.078726431806193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When should multimodal foundation models generate tokens, and when should they directly output a decision? We present MAD-Guard, a controlled study of output-decision interfaces for closed multimodal forensic tasks. Once a multimodal representation is computed, is autoregressive generation necessary for closed forensic decisions with high input complexity but low output entropy? Under a matched Qwen3-VL-8B backbone, 2,400 FakeClue training samples, and LoRA budget ($r=16, α=32$) on Huawei Ascend 910C NPUs, we evaluate a progression of decision interfaces (AR-SFT [generate] $\to$ Logit Slice $\to$ Binary Direct Head $\to$ +choice $\to$ +act $\to$ CLM-Head) and decompose latency into backbone representation (53.12 ms), 151,643-way vocabulary projection (+85.04 ms $\to$ 138.16 ms), and decoding (+248.26 ms $\to$ 386.42 ms). Under 1-to-1 binary supervision ($\mathcal{L}_{\mathrm{BCE}}$), a Binary Direct Head cuts latency by $2.60\times$-$7.27\times$ (53.12 ms) and lowers calibration error by $1.88\times$ (ECE = 0.0450 vs. 0.0845), with a -1.80% accuracy trade-off (93.10% vs. 94.90%; 0.9795 vs. 0.9871 ROC-AUC) from forfeiting token priors. Gains above AR-SFT arise either from multi-task attribution and uncertainty gating (+choice+act: 96.44% accuracy, 0.9940 ROC-AUC, 0.0187 ECE at 53.71 ms) or from a disaggregated contrastive head (CLM-Head: 96.55% binary and 96.44% multi-task accuracy, 0.0166 ECE, 98.79% 7-class attribution at 54.42 ms) retaining semantic priors without token decoding. Across 5,000 out-of-sample images from five benchmarks, our framework excels on synthetic, camouflage, and document forgeries (96.44% GenImage, 97.73% Chameleon, 91.84% Doc) while showing a clear boundary on compressed face manipulation (FF++ ROC-AUC = 0.5913).
- Abstract（参考訳）: マルチモーダルファンデーションモデルはいつトークンを生成するべきで、いつ直接決定を出力すべきなのか?
閉鎖型マルチモーダル法医学的タスクに対する出力-決定インタフェースの制御に関する研究であるMAD-Guardを提案する。
一度マルチモーダル表現が計算されると、入力複雑性が高いが出力エントロピーの低い閉法医学的決定には自己回帰生成が必要であるか?
一致するQwen3-VL-8Bバックボーン、2,400 FakeClueトレーニングサンプル、2,400 FakeClueトレーニングサンプル、およびHuawei Ascend 910C NPUsのLoRA予算(r=16, α=32$)で、決定インターフェース(AR-SFT [generate] $\to$ Logit Slice $\to$ Binary Direct Head $\to$ +choice $\to$ +act $\to$ CLM-Head)の進捗を評価し、バックボーン表現(53.12 ms), 151,643-way vocabulary projection(+85.04 ms $\to$ 138.16 ms), decoding(+248.26 ms $\to$ 386.42 ms)に遅延を分解する。
1-to-1バイナリ監視($\mathcal{L}_{\mathrm{BCE}}$)の下では、バイナリダイレクトヘッドはレイテンシを2.60\times$--$7.27\times$ (53.12 ms)に削減し、キャリブレーションエラーを1.88\times$ (ECE = 0.0450 vs. 0.0845)に下げる。
AR-SFT上のゲインはマルチタスク属性と不確実性ゲーティング(+choice+act: 96.44%、0.9940 ROC-AUC, 0.0187 ECE at 53.71 ms)または非凝集コントラストヘッド(CLM-Head: 96.55%、96.44% マルチタスク精度、0.0166 ECE, 98.79% 7-class attribution at 54.42 ms)から生じる。
5つのベンチマークから5,000点のアウト・オブ・サンプル画像が得られたが、我々のフレームワークは、合成、カモフラージュ、文書偽造(96.44%、97.73%のChameleon、91.84%のDoc)に優れており、圧縮顔操作(FF++ ROC-AUC = 0.5913)の明確な境界を示している。
関連論文リスト
- COGNIT-Guard: Calibrated Standalone Direct-Decision Guardrails with Heterogeneous CPU-NPU Confidence Cascading under Explicit Latency and False-Positive Constraints [6.078726431806193]
実時間プレインジェクション安全ガードレールの独立直接決定基盤モデルの校正について検討した。
検証校正型CPUゲートキーパと信頼ゲートエスカレーションを結合したCOGNIT-GuardをNPUレジデント322M双方向直接決定モデルに提案する。
論文 参考訳（メタデータ） (2026-09-27T15:32:15Z) - Do System Prompts Leave Behavioral Fingerprints? A Large-Scale Empirical Study of Clone Detection via Output Similarity [12.32748486531306]
システムプロンプトのためのBBF(Black-Box Behavioral Fingerprinting)を提案する。
BBFはモデル出力から振る舞いのシグネチャを登録し、後に被疑者のデプロイメントがそのシグネチャと一致するかどうかをテストする。
BBFは非適応的なプロンプトパラフレーズ(AUC $geq 0.889$)に抵抗し、不完全な抽出に頑健である。
論文 参考訳（メタデータ） (2026-08-25T12:12:22Z) - Robust Average-Reward Markov Decision Processes: Minimax-Optimal Learning via Plug-in Reductions [51.50375419691955]
分布的に堅牢なマルコフ決定プロセスは、モデルの不確実性の下でのシーケンシャルな意思決定のための原則化されたフレームワークを提供する。
我々は,平均回帰基準の下で,$varepsilon$-Optimal robust policyを学習するのに必要なサンプル数と十分なサンプル数について検討した。
論文 参考訳（メタデータ） (2026-08-06T19:49:48Z) - Calibrated e-CUSUM Decoding for Quantized Reasoning Models: Why Token Log-Probability Is the Wrong Observable for Decoding Monitors [0.6999740786886536]
低ビット量子化により、小さな推論モデルは安価に展開できるが、思考の連鎖を分解することができる。
中心となるトークンのlog-probabilityは$log p(w_t)+H_t$が間違ったオブザーバブルであることを示します。
本稿では,トークンの不確実性と明示的な繰り返しを混在させるデジェネレーションを意識したアラームスコアを組み合わせた,トレーニング不要な復号制御手法を提案する。
論文 参考訳（メタデータ） (2026-07-13T09:34:36Z) - Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。
EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
論文 参考訳（メタデータ） (2026-05-28T09:45:47Z) - Minimax Optimal Variance-Aware Regret Bounds for Multinomial Logistic MDPs [56.28491566735463]
既存のマルコフ決定過程のアルゴリズムは、$smashtildeO(dH2sqrtT)$を後悔する。
本稿では,最悪の場合において既存の境界を復元し,構造化されたMDPに対して改善する,$smashtildeO(dH2bar_TsqrtT)$の後悔を実現するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-05-19T12:39:32Z) - Latent Phase-Shift Rollback: Inference-Time Error Correction via Residual Stream Monitoring and KV-Cache Steering [4.032680910442999]
大規模な言語モデルは、世代中頃の保存不可能な推論エラーを犯す。
我々は、$textbfLatent Phase-Shift Rollback$ (LPSR)を紹介する。
各生成段階において、臨界層リクリットで残留流をモニタリングし、コサイン相似性$+$エントロピー二重ゲートを介して急激な方向逆転(位相シフト)を検出する。
微調整、勾配計算、追加のフォワードパスは不要である。
論文 参考訳（メタデータ） (2026-04-20T17:53:33Z) - Breaking the KV Cache Bottleneck: Fan Duality Model Achieves O(1) Decode Memory with Superior Associative Recall [0.0]
Fan Duality Modelは、シーケンスモデリングにおけるメモリ効率と連想リコールの間の緊張を解消する。
FDMはシーケンス処理を、長距離パターンを隠蔽状態に圧縮する波動成分と、特定のトークンを取得する粒子成分の2つのコンポーネントに分割する。
本稿では,再帰的なスキャンを凍結し,キャッシュを埋め込みと共に最適化する2段階のトレーニング戦略であるFreeze-Scanを提案する。
論文 参考訳（メタデータ） (2026-04-09T02:00:30Z) - Corruption-Robust Offline Reinforcement Learning with General Function
Approximation [60.91257031278004]
一般関数近似を用いたオフライン強化学習(RL)における劣化問題について検討する。
我々のゴールは、崩壊しないマルコフ決定プロセス(MDP)の最適方針に関して、このような腐敗に対して堅牢で、最適でないギャップを最小限に抑える政策を見つけることである。
論文 参考訳（メタデータ） (2023-10-23T04:07:26Z) - Contextual Combinatorial Bandits with Probabilistically Triggered Arms [55.9237004478033]
確率的に誘発される腕(C$2$MAB-T)を様々な滑らかさ条件下で検討した。
トリガー変調 (TPM) 条件の下では、C$2$-UC-Tアルゴリズムを考案し、後悔すべき$tildeO(dsqrtT)$を導出する。
論文 参考訳（メタデータ） (2023-03-30T02:51:00Z) - Near Sample-Optimal Reduction-based Policy Learning for Average Reward
MDP [58.13930707612128]
この研究は、平均報酬マルコフ決定過程(AMDP)における$varepsilon$-Optimal Policyを得る際のサンプルの複雑さを考察する。
我々は、状態-作用対当たりの$widetilde O(H varepsilon-3 ln frac1delta)$サンプルを証明し、$H := sp(h*)$は任意の最適ポリシーのバイアスのスパンであり、$varepsilon$は精度、$delta$は失敗確率である。
論文 参考訳（メタデータ） (2022-12-01T15:57:58Z)
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。