論文の概要: Replication Failure and Trivial Baselines in Road-Level Crash Prediction

• arxiv url: http://arxiv.org/abs/2609.35917v1
• Date: Mon, 28 Sep 2026 09:53:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.890573
• Title: Replication Failure and Trivial Baselines in Road-Level Crash Prediction
• Title（参考訳）: 道路レベル衝突予測における複製失敗とトライボラベースライン
• Abstract要約: グラフニューラルネットワークは、道路レベルのクラッシュ予測にますます適用されているが、報告されたゲインの安定性はほとんど精査されていない。 拡張ウィンドウプロトコルにより,ロンドンの3つの地区にまたがる設計決定を11件評価した。 このタスクにおけるグラフネットワークの歴史的ベースラインに対する明らかなマージンは、これらのベースラインが計算された短い水平線のアーチファクトである、と我々は主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graph neural networks are increasingly applied to road-level crash prediction, but the stability of their reported gains has received little scrutiny. We independently reconstruct the data pipeline of a recent uncertainty-aware model and evaluate eleven of its design decisions across three London boroughs under an expanding-window protocol. Four survive replication on a second borough; seven do not, and four of those reverse sign rather than attenuate. Multi-seed evaluation is decisive: one effect reverses sign between random seeds within a single borough, and the reference architecture exhibits per-borough seed spreads of up to 35.7 points against 4 points for ours. We further compare both networks against a parameter-free baseline that ranks segments by cumulative past crash count. At matched history depth our model is statistically indistinguishable from that baseline ($-0.90$ points, $p=0.61$), and the reference architecture loses to it on 18 of 18 held-out windows ($-17.37$, $p<10^{-6}$). Sweeping the baseline's lookback horizon shows it spans 22.71% to 83.94% accuracy on that variable alone, and that every published figure in this line of work is matched by the baseline at a horizon of one to five years. We argue that the apparent margin of graph networks over historical baselines in this task is substantially an artefact of the short horizons those baselines were computed over, and recommend horizon-matched baselines and multi-seed reporting as minimum practice.
• Abstract（参考訳）: グラフニューラルネットワークは、道路レベルのクラッシュ予測にますます適用されているが、報告されたゲインの安定性はほとんど精査されていない。 我々は、最近の不確実性認識モデルのデータパイプラインを独立に再構築し、拡張ウィンドウプロトコルの下で、ロンドンの3つの地区で設計決定の11つを評価する。 4つは第2区の複製を生き残り、7つはそうせず、そのうち4つは減衰するよりむしろ弱くなる。 マルチシード評価は決定的であり、1つのボロ内のランダムな種子間の符号を逆転させ、基準アーキテクチャは最大35.7ポイントのバラごとの種子拡散を、我々の4ポイントに対して示す。 さらに,両ネットワークを,過去のクラッシュ回数の累積値でセグメントをランク付けするパラメータフリーベースラインと比較する。 一致した履歴深度では、我々のモデルは、そのベースライン(-0.90$ポイント、$p=0.61$)と統計的に区別できず、参照アーキテクチャは、ホールドアウトされた18のウィンドウ(-17.37$、$p<10^{-6}$)の18で失われる。 ベースラインの振り返り水平線をスワイプすると、その変数だけで22.71%から83.94%の精度が得られ、1年から5年の水平線で基準線に一致することが分かる。 このタスクにおけるグラフネットワークの明らかなマージンは、それらのベースラインが計算された短い水平線のアーチファクトであり、最小限のプラクティスとして水平整合ベースラインとマルチシードレポートを推奨する。

関連論文リスト

• Does the VGGT Family Need All Its Layers? [55.81487806596663]
  VGGT,3ドル,VGGT-$:3,018プルーニング構成における層冗長性について検討した。 取り外し可能な層が2つの冗長領域に集結しているのに対して、層間をまたがる削除は、常に破壊的である。 CKAは、間隔分解のためのより安価な表現ベースのプロキシを提供し、プルーニング品質とキャリブレーションコストのトレードオフを提供する。
  論文  参考訳（メタデータ） (2026-09-29T06:52:07Z)
• One Patch, Three Roles: What Is Actually Coupled in Autoregressive Time-Series Forecasting? [49.84472730204669]
  凍結した親の軌道は, 軽量な平行出口で観測される未来よりも適合しやすいことを示す。 また、列車選択した周期的歴史方向に沿って補正可能な残射も見出す。 Tangentはこの修正を、ニューラルパラメータやTransformerコールを追加せずに適用する。
  論文  参考訳（メタデータ） (2026-09-20T14:54:35Z)
• Open ultrasound foundation model for robust segmentation and clinical measurement across heterogeneous settings [66.3653308198376]
  SonoCorpusは、24の臨床応用と17の国にまたがる53のパブリックデータセットから、456,963のイメージと1,626,085のエキスパートマスクを統合するオープンリソースである。 SonoBaseは、事前にトレーニングされたインタラクティブセグメンテーション基盤モデルである。
  論文  参考訳（メタデータ） (2026-09-16T15:34:21Z)
• 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)
• SURE-Map: Self-Correcting Streaming Geometric Foundation Models [11.79108359897763]
  SLAMシステムの代替として、ストリーミング幾何学の基礎モデルが登場している。 小さな局所誤差は、厳密な幾何学的歪みと長い水平スケールのドリフトに蓄積する。 2つの相補的な原則に基づいて構築された自己修正フレームワークであるSURE-Mapを紹介します。
  論文  参考訳（メタデータ） (2026-09-14T16:10:53Z)
• XMerge: Cross-Axis Selection and Reconstructive Layer Merging for LLM Depth Compression [0.0]
  交叉軸選択は、相対マグニチュードの低いブロックと角状隠れ状態の変化を識別する。 局所的な境界再構成は、元の2ブロック出力と一致するように、隣接した生存ブロックに適合する。 XMergeはタスクラベルやエンドツーエンドの微調整は使用しない。
  論文  参考訳（メタデータ） (2026-09-02T04:12:44Z)
• Strained Coherence: A Pre-Failure Signal in Coding Agent Execution Trajectories [0.0]
  LLMベースのコーディングエージェントは、時には自身の推論で問題を認識し、いずれにせよ前進する。 我々はClaude Sonnet 4.6のジャッジを構築し、完全なトラジェクトリとフラグがパターンの発生する場所にまたがる。 Qwen3.5-35B-A3Bのバックボーンを用いて44個の終端ベンチ2軌道上で評価を行った。
  論文  参考訳（メタデータ） (2026-06-05T22:52:16Z)
• Right Makes Might: Aligning Verified Hidden States Empowers RL Reasoning [55.264863369127774]
  現在の方法では、それぞれの正しいロールアウトを単一の報酬ビットに減らし、隠れた状態間で共有される幾何学的構造を無視している。 本稿では,RLトレーニングにおけるアンカートークンにおける正ロールアウトの最終層を,トレーニングと推論の両方においてゼロオーバーヘッドで整列する補助損失関数Hidden-Alignを提案する。 8つの数学的推論ベンチマークでは、Hidden-AlignはDAPOベースラインの平均パス@1をQwen3-1.7B, 4B, 14Bで3.8, 6.2, 5.4ポイント改善し、3つのスケールで一貫したパス@kゲインを得る。
  論文  参考訳（メタデータ） (2026-06-02T06:51:15Z)
• Hierarchical Recurrent Attention Networks for Structured Online Maps [91.28820076955128]
  疎い3次元点雲からのオンライン道路網抽出の問題に対処する。 この手法はannotatorがレーングラフを構築する方法に触発され、まず何レーンあるかを特定し、順番に各レーンを描画する。 我々は,レーン境界の初期領域に順応する階層的リカレントネットワークを開発し,構造化ポリラインを出力することにより,それらを完全にトレースする。
  論文  参考訳（メタデータ） (2020-12-22T19:35:53Z)

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。