論文の概要: Beyond Sub-Gaussian Detector Scores: Robust Weighted Profile-Loss Change Point Detection for Human-LLM Text Segmentation
- arxiv url: http://arxiv.org/abs/2609.36888v1
- Date: Tue, 29 Sep 2026 07:17:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.274462
- Title: Beyond Sub-Gaussian Detector Scores: Robust Weighted Profile-Loss Change Point Detection for Human-LLM Text Segmentation
- Title（参考訳）: サブガウス検出スコアを超えて:人間のLLMテキストセグメンテーションのためのロバスト重み付きプロファイル損失点検出
- Abstract要約: 人-LLMの混合文書は、テキスト単位によって信頼性が異なる検出器スコアから著者の遷移を特定する必要がある。
既存の重み付き平均コントラストは極端なスコアに弱いが、手段を直接ロバストな中心に置き換えることによって、人口目標がどう変化するかは明らかでない。
本稿では、カプセル化された信頼性重み、ハマープロファイルゲイン、信頼性座標における最短閾値探索を組み合わせたRobust Weighted Profile-Loss Change Point Detection (RWCP)を提案する。
- 参考スコア（独自算出の注目度）: 25.65367440785353
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Mixed human-LLM documents require locating authorship transitions from detector scores whose reliability varies across text units. Existing weighted mean contrasts are vulnerable to extreme scores, while directly replacing means with robust centers obscures how a misplaced boundary changes the population objective. We propose Robust Weighted Profile-Loss Change Point Detection (RWCP), which combines capped reliability weights, Huber profile gains, and narrowest-over-threshold search in reliability coordinates. Our key analysis expresses the population gap between a true and a displaced split as a merge cost, avoiding a closed-form solution for the nonlinear center of a mixed segment. Under explicit curvature, spacing, and dependence conditions, core RWCP recovers the number of changes and localizes their boundaries; its quadratic-loss limit recovers squared weighted CUSUM. We also study RWCP-R, a separately evaluated decoder that shares source centers across nonadjacent passages. Across five retrospective cached-score benchmark families, core RWCP reduces family-macro WindowDiff by 17.6\% relative to weighted change-point detection, and RWCP-R lowers it further. Boundary recovery improves most clearly for isolated changes, while both fixed configurations miss changes in collaborative and densely alternating text.
- Abstract（参考訳）: 人-LLMの混合文書は、テキスト単位によって信頼性が異なる検出器スコアから著者の遷移を特定する必要がある。
既存の重み付き平均コントラストは極端なスコアに弱いが、手段を直接ロバストな中心に置き換えることによって、人口目標がどう変わるかは明らかでない。
本稿では、カプセル化された信頼性重み、ハマープロファイルゲイン、信頼性座標における最短閾値探索を組み合わせたRobust Weighted Profile-Loss Change Point Detection (RWCP)を提案する。
本分析では, 混合セグメントの非線形中心に対する閉形式解を回避し, 真と転位分裂の間の集団間隙をマージコストとして表現する。
明示的な曲率、間隔、および依存条件の下で、コアRWCPは変化の数を回復し、その境界を局所化し、その2乗剰余極限は2乗重み付きCUSUMを回復する。
RWCP-Rは、ソースセンターを非隣接通路で共有する分離評価デコーダである。
5つの振り返りキャッシュスコアベンチマークファミリで、コアRWCPは、重み付けされた変更点検出と比較して、家族マクロウィンドウディフを17.6 %削減し、RWCP-Rはそれをさらに下げる。
境界回復は、分離された変更に対して最も明確に改善される。
関連論文リスト
- Coherence-Aware Distributional Evaluation of Open-Ended Text Generation [4.3363673706639885]
グローバル・コヒーレンス・失敗の 中心的ボトルネックとしての表現です
CHORD (Coherence-aware Hidden-state Open- Generation Reference Distance) は生成されたコーパスと人書きコーパスを符号化する。
結果は、信頼性の高い分布評価の中心として表現設計を確立する。
論文 参考訳（メタデータ） (2026-09-28T03:44:27Z) - PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers [58.87583368961845]
PosteriorBenchは、生成的逆解器の分布精度を評価するためのベンチマークである。
ダーシーフローの逆転、ポアソン源の回復、炭素捕獲と貯蔵、光輸送物質推論の4つの物理に基づく逆問題を評価する。
論文 参考訳（メタデータ） (2026-09-17T17:54:12Z) - DISTA-Net++: Rethinking Infrared Small Target Unmixing Beyond Sub-Pixel Separation [50.40058918817059]
長距離赤外線画像は、回折制限されたシグネチャが1つの識別不能なブロブに融合する密度の高いターゲットクラスタに対向する。
DisTA-Net++は2つの相乗的なメカニズムで動的に展開するバックボーンをアンカーする。
DisTA-Net++は、CSO-mAPが16.15%、62.96%の精度で、計算の6分の1に過ぎない。
論文 参考訳（メタデータ） (2026-09-16T14:57:11Z) - One Step, One Lead: Mitigating Higher-Order Interference in Multi-Domain Reinforcement Learning via Cross-Step Control [62.82372407840088]
同点領域勾配は、連続的な更新が出力空間で部分的に逆転する場合においても、ほぼ一定であることを示す。
トークンレベルのリバウンドリスクをランク付けするために,各イテレーションでフォーカスドメインを指定するOSOLを提案する。
OSOLは0.4822のドメイン-マクロ平均に達し、最強の比較ベースラインよりも5.7%向上した。
論文 参考訳（メタデータ） (2026-09-06T08:32:59Z) - CARD: Calibration via Agreement in Reverse Diffusion for Out-of-Domain MRI Segmentation [14.844162865265673]
そこで我々は,不一致の時間的集合を全クラスにわたって1ピクセルあたりの温度場にマッピングし,セグメント化ができない間に信頼度が変化するようにCARDを提案する。
心臓、前立腺、脳のMRIシフトによって、CARDは各設定において最強のベースラインと比較した場合、49の45のキャリブレーション誤差を低下させる。
論文 参考訳（メタデータ） (2026-08-26T07:23:08Z) - Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。
画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
論文 参考訳（メタデータ） (2026-07-29T05:16:59Z) - Cross-Resolution Semantic Transfer for Robust Text-to-Image Retrieval in Low-Resolution Surveillance [62.560024755525546]
Cross-Resolution Semantic Transfer (CRST)はCLIPスタイルの3つのモジュールを持つフレームワークである。
実験により、CRSTは高解像度の精度を犠牲にすることなく混合分解能検索を安定化させながら、平均5.7%と5.3%で超低解像度のランク1とmAPを改善することが示された。
論文 参考訳（メタデータ） (2026-06-29T15:24:03Z) - Self-Organized Conformal Prediction: Reducing Regional Coverage Gaps with Unsupervised Group Discovery [7.803879146826816]
等角予測は限界範囲の範囲を保証しているが、不均一領域における校正平均値のプール化は、地域の潜入を隠蔽することができる。
自己組織化マップを用いて入力空間群を検出するキャリブレーション方式であるSOCP(Self-Organized Conformal Prediction)を導入する。
SOCPは、BMUセルの検索に正確な妥当性を与え、近隣バッファに対する固定された検索セットの妥当性を与える。
論文 参考訳（メタデータ） (2026-06-28T13:50:13Z) - Reliability-Aware Prototype Calibration for Frozen Pose-Flow Video Anomaly Detection [7.276043252948729]
単一の可能性スコアは、通常の行動を隠すことができ、ポーズ・オブザーブレーションノイズに敏感である。
本研究では,ポーズフローバックボーン,キャッシュされたスケルトントラック,評価パイプラインを固定した凍結検知器の設定について検討した。
Reliability-Aware Prototypeは、この設定のためのポストホックスコアキャリブレーション手法である。
論文 参考訳（メタデータ） (2026-06-18T14:46:38Z) - ReA-OVCD: Reliability-Aware Open-Vocabulary Change Detection via Semantic and Spatial Refinement [8.855406881644702]
本稿では, 信頼性に配慮したオープンボキャブラリ変化検出フレームワークを提案する。
まず、ピクセル単位のセマンティックな違いから候補変更領域を導出し、フレキシブルで詳細なローカライゼーションを保証する。
次に、意味的視点と空間的視点の両方から変化の妥当性を明示的にモデル化するための協調的な改善戦略を導入する。
論文 参考訳（メタデータ） (2026-06-18T10:05:45Z) - Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。
textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文 参考訳（メタデータ） (2026-03-10T04:07:39Z)
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。